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
 145   146   147   148   149 
ANALISIS SENTIMEN ULASAN PELANGGAN MIE GACOAN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Shalihah, Ghina; Kurniawan, Rudi; Suprapti, Tati
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.v8i1.8302

Abstract

Indonesia terkenal dengan kekayaan kuliner yang beragam dan unik, salah satunya yaitu Mie Gacoan. Pada saat ini, bisnis kuliner Mie Gacoan sedang berkembang. Mie Gacoan menawarkan variasi tingkat kepedasan pada menu mie mereka, yang dapat disesuaikan dengan preferensi pelanggan. Jenis mie ini semakin populer, terutama di kalangan generasi muda, sehingga banyak restoran atau warung makan yang menyajikan hidangan serupa bermunculan. Memperoleh kepercayaan pelanggan merupakan tantangan untuk mereka yang terlibat dalam dunia bisnis, mendorong mereka untuk melakukan evaluasi menyeluruh terhadap produk dan layanan yang mereka sediakan. Permasalahan yang muncul dari ulasan atau pendapat dari pelanggan misalnya mengenai kurangnya pelayanan harus menjadi perhatian utama. Meskipun demikian, membaca dan mengelompokkan setiap ulasan yang diberikan oleh pelanggan memerlukan waktu yang cukup lama dan dianggap kurang efisien. Dalam konteks ini, analisis data pendapat pelanggan dari platform Twitter muncul sebagai solusi alternatif. Twitter, sebagai media sosial yang sering dimanfaatkan dalam pemasaran, memberikan kesempatan untuk interaksi pelanggan dengan pengusaha. Penelitian ini mengusulkan penerapan algoritma Naïve Bayes Classifier pada analisis sentimen ulasan pelanggan Mie Gacoan di Twitter pada Oktober 2023. Metode ini dipilih karena kebutuhan data training yang kecil dan sifatnya yang sederhana dan berhasil menghasilkan kinerja yang baik, dengan nilai akurasi sebesar 88,06%, recall sebesar 77,78%, dan presision sebesar 69,23%. Hasil dari penelitian ini dapat memberikan kontribusi positif dalam meningkatkan kualitas produk dan layanan, memperkuat relasi dengan pelanggan, serta mendukung keberlanjutan bisnis di tengah persaingan yang semakin ketat.
ANALISIS DATA SENTIMEN NEGATIF PADA OPINI PENGGUNA TWITTER TERHADAP BERITA SEPAK BOLA LIGA 1 TAHUN 2022 DENGAN PENERAPAN SUPPORT VECTOR MECHINE Dalifah, 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.v8i1.8303

Abstract

Perkembangan media sosial semakin pesat dikalangan masyarakat salah satunya twitter yang menggunakan bahasa alami untuk bisa membuka potensi pada interaksi manusia yang bisa mengetahui sentiment para penggunanya. Permasalahan yang didapat dari masalah tersebut yaitu menggali informasi,menganalisis pendapat sentiment, evaluasi sikap dan emosi orang dari bahasa tertulis. Tujuannya untuk memahami dan mengkategorikan sentiment dari opini pengguna Twitter terkait berita liga 1 indonesia tahun 2022. Bagaimana dataset opini pengguna twitter terhadap berita liga 1 tahun 2022 dikumpulkan dan diolah untuk analisis. Penelitian ini akan menggunakan data teks dari pengguna Twitter yang terkait dengan berita liga 1 tahun 2022. SVM akan digunakan untuk memprediksi sentimen opini dari tweet tersebut menjadi kategori positif, negatif, atau netral. Hasil penelitian ini menggunakan algoritma support vector mechine menunjukan bahwa akurasi sebesar 91% presisi 30%, recall 33%,F1 score 32% dengan Jumlah sentimen Negatif = 445, Positif = 50, dan Netral = 4. Secara keseluruhan Model algoritma support vector mechine menghasilkan akurasi yang lebih tinggi. Hasil model menunjukan bahwa sentimen opini pengguna twitter menanggapi berita tersebut yang bersifat kontrovesrsial.
PEMETAAN OPINI PUBLIK TERHADAP PERUBAHAN KEBIJAKAN BPJS KESEHATAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE(SVM) DALAM ANALISIS SENTIMEN Damayanti, Damayanti; Indriya Efendi, Dendy; Solihudin, Dodi; Rohmat, Cep Lukman; Eka Permana, Sandy
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.v8i1.8304

Abstract

Perubahan kebijakan iuran BPJS Kesehatan kerap menjadi topik hangat di dunia maya. Riset ini bertujuan untuk melakukan analisis sentimen terkait perubahan iuran BPJS Kesehatan dengan memanfaatkan algoritma Support Vector Machine (SVM). Fokus utama memahami respon masyarakat melalui komentar di media sosial, dimana SVM berperan dalam mengklasifikasikan sentimen teks, menyoroti pandangan masyarakat, dan mengidentifikasi potensi dampak kebijakan. Riset ini membincangkan aspek-aspek penting seperti analisis sentimen, implementasi SVM, dan kontribusi riset terhadap perkembangan metode analisis sentimen, pemahaman respons masyarakat terhadap perubahan kebijakan BPJS Kesehatan. SVM terbukti berhasil dengan tingkat akurasi mencapai 94.28%. Dalam mengevaluasi sentimen negatif, model SVM menunjukkan tingkat presisi, recall, dan F1-score mencapai 97% masing-masing. Sementara itu, untuk sentimen positif, presisi mencapai 35%, recall 42%, dan F1-score 39%. kesimpulan dari penelitian ini bahwa SVM memberikan kontribusi yang signifikan dalam menganalisis sentimen terkait kebijakan BPJS Kesehatan, khususnya dalam menghadapi sentimen negatif. Dampak praktisnya melibatkan peningkatan operasional BPJS Kesehatan berdasarkan evaluasi tanggapan masyarakat, dengan fokus peningkatan pelayanan dan komunikasi untuk mengurangi dampak negatif dan meningkatkan kepuasan pengguna. Penelitian ini menjadi dasar bagi pengambil kebijakan untuk keputusan yang responsif, sesuai harapan masyarakat. Latar belakang permasalahan menyoroti kompleksitas isu dan pentingnya pemahaman mendalam terhadap pandangan masyarakat terhadap perubahan kebijakan BPJS Kesehatan.
PENERAPAN ALGORITMA REGRESI LINEAR UNTUK PREDIKSI PENJUALAN ALAT TULIS KANTOR (ATK) DI BUMDES Hurifiani, Alfia; 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.v8i1.8305

Abstract

Pertumbuhan Badan Usaha Milik Desa (BUMDes) sebagai pilar pemberdayaan ekonomi di tingkat desa semakin berkembang pesat. Di antara berbagai kegiatan usaha BUMDes, penjualan Alat Tulis Kantor (ATK) muncul sebagai potensi yang signifikan. Untuk meningkatkan efisiensi dan produktivitas penjualan ATK, penerapan metode analisis prediksi menjadi esensial, terutama dengan menggunakan algoritma regresi linear. Penelitian ini dilakukan untuk menganalisis dan memprediksi penjualan ATK di BUMDes Desa Cintarasa melalui pendekatan kuantitatif. Data penjualan ATK selama beberapa bulan terakhir dihimpun, melibatkan variabel-variabel seperti jumlah produk terjual, harga ATK, dan faktor-faktor lain yang mempengaruhi penjualan. Analisis hasil menunjukkan adanya hubungan signifikan antara variabel yang diamati, memberikan gambaran akurat dampak masing-masing variabel terhadap penjualan ATK. Pengujian keakuratan prediksi menggunakan Root Mean Square Error (RMSE), Absolute Error, dan Relative Error memvalidasi hasil penelitian. Hasil prediksi total penjualan didapatkan pada hari pertama total penjualan adalah 55. 435, pada hari kedua 28.272, dan hari ketiga 31.667. Hasil evaluasi nilai RMSE pada total penjualan 7802.802, nilai absolute error 6894.646, dan nilai Relative Error 21.05%. Prediksi penjualan alat tulis kantor (ATK) dengan menggunakan metode regresi linear dapat dikatakan cukup baik dengan Pengujian akurasi terhadap semua atribut yang menunjukkan bahwa nilai Root Mean Square Error (RMSE), Absolute Error, dan Relative Error memenuhi standar yang ditetapkan.
ANALISIS TINGKAT PENANGANAN SAMPAH DI JAWA BARAT MENGGUNAKAN REGRESI LINIER Nur Alam, Alfian; 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.v8i1.8307

Abstract

Sampah merupakan masalah besar bagi masyarakat dan lingkungan di Jawa Barat. Volume sampah yang meningkat setiap tahunnya menyebabkan penumpukan di tempat penampungan sementara (TPS). Hal ini disebabkan oleh berbagai faktor, seperti kepadatan penduduk, karakteristik lingkungan, kondisi sosial ekonomi, norma budaya, dan sikap masyarakat Dalam penelitian ini menerapkan proses Knowledge Discovery InDatabases (KDD), data mining digunakan untuk memprediksi volume dan mengidentifikasi faktor yang paling berpengaruh pada timbunan sampah yang tidak tertangani di Jawa Barat. Hasil penelitian menunjukkan bahwa jumlah produksi sampah dan jumlah sampah terkelola dapat mempengaruhi tingkat timbunan sampah dan, jumlah timbunan sampah di Jawa Barat pada tahun 2023 sebesar 38615 ton per hari. Jumlah ini menurun sebesar 300169 ton per hari dari jumlah timbunan 5 tahun sebelumnya. Hasil penelitian ini menunjukkan bahwa diperlukan upaya yang lebih komprehensif dari berbagai pihak untuk mengatasi masalah sampah di Jawa Barat. Pemerintah daerah perlu menyusun tindakan yang tepat, baik dari segi prasarana dan sarana, maupun dari segi sumber daya manusia. Selain itu, diperlukan juga kesadaran dan partisipasi masyarakat dalam pengelolaan sampah.
KLASIFIKASI ULASAN APLIKASI LINKEDIN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Gitacahyani, Adisty; 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.v8i1.8310

Abstract

LinkedIn, platform teknologi dan bisnis yang sangat penting, Fokus utamanya adalah meningkatkan konektivitas bisnis, membantu orang membentuk jaringan professional, mengajak orang untuk berbicara tentang ide bisnis, dan menyediakan tempat untuk mencari talenta baru. Tujuan penelitian ini mempelajari emosi dalam komunikasi LinkedIn dan mengetahui pengguna berinteraksi dan menanggapi dalam konteks professional, untuk memeriksa tanggapan pengguna terhadap aplikasi LinkedIn, mengkategorikan kedalam ulasan positif atau negatif, membandingkan dengan pesaing, dan memberikan saran pengembangan produk. Dan mengatasi masalah preprocessing data. Metode yang digunakan adalah naïve bayes classifier. Metode ini memodelkan probabilitas, dan efektif dalam menangani data besar seperti ulasan aplikasi. Hasil dari klasifikasi ulasan aplikasi LinkedIn menggunakan metode naïve bayes classifier dihasilkan 1065 sentimen positif dan 793 sentimen negatif pada pengguna aplikasi LinkedIn. Dengan nilai akurasi 90,31%, model secara umum memiliki kemampuan untuk mengklasifikasikan sebagian besar sampel dengan tepat. Dilihat dari nilai Precision untuk sentimen negatif adalah 88,07%, untuk sentimen positif sekitar 92,00%. Nilai Recall sebesar 89,41% untuk sentimen negatif dan sentimen positif sebesar 91,37%. Pada nilai F1-score sentimen positif (1) dan sentimen negatif “0” sebesar 88.74%. Penelitian ini menghasilkan rekomendasi penting bagi praktisi tentang cara mengoptimalkan pengguna LinkedIn. Membangun hubungan bisnis yang kuat, memahami preferensi pelanggan dan meningkatkan pengalaman pengguna.
IMPLEMENTASI ALGORITMA C4.5 DAN NAÏVE BAYES DALAM PENGAMBILAN KEPUTUSAN UNTUK PROGRAM INDONESIA PINTAR (PIP) DI SEKOLAH DASAR NEGERI 04 MAJALANGU Amalia, Ana; Irma Purnamasari, Ade; Ali, Irfan
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.v8i2.8311

Abstract

Pendidikan di Indonesia menghadapi tantangan terkait dengan kemiskinan, di mana prestasi siswa dinilai setiap akhir semester. Program Indonesia Pintar memberikan dukungan keuangan untuk biaya sekolah dan bantuan belajar siswa. Penelitian ini bertujuan membantu SD N 04 Majalangu dalam menyeleksi penerima Program Indonesia Pintar yang lebih akurat dan evisien. Metode Naïve Bayes adalah metode klasifikasi dari machine learning yang memiliki keunggulan yaitu menggunakan sampel data pelatihan untuk mengestimasi parameter yang terlibat dalam proses klasifikasi dapat tersaji secara cepat, serta memperoleh akurasi tinggi [1]. Algoritma C4.5 adalah algoritma yang digunakan untuk membentuk pohon keputusan, yang merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal [2]. Metode Decision Tree dengan algoritma C4.5 dan Naïve Bayes digunakan untuk pemilihan yang lebih objektif. Penelitian ini memastikan bantuan tepat sasaran, mengurangi beban biaya pendidikan, dan meningkatkan motivasi belajar siswa. Data mining memastikan keputusan seleksi didasarkan pada bukti yang kuat, mengurangi potensi kesalahan. Hasil pengujian menunjukkan akurasi model algoritma C4.5 sebesar 64,42%, dan algoritma Naïve Bayes sebesar 100%. Penelitian ini memberikan wawasan tentang faktor-faktor kontribusi dalam menentukan kelayakan penerima PIP di SD N 04 Majalangu, mendukung efisiensi dan objektivitas dalam pemilihan penerima bantuan pendidikan.
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PRESTASI BELAJAR SISWA DI MTS YAMUALLIM PANONGAN Lestari, Hasanah; Irma Purnamasari, Ade; Suprapti, Tati
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.v8i2.8312

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi prediksi prestasi belajar siswa di MTs Yamu’allim Panongan dengan mengoptimalkan penggunaan algoritma C4.5. Algoritma ini dipilih karena dapat menangani kompleksitas data dan menghasilkan hasil yang mudah diinterpretasi. Dataset yang mencakup prestasi belajar siswa dari semester sebelumnya digunakan untuk melatih dan menguji model, menciptakan dasar yang kuat untuk meningkatkan kualitas prediksi prestasi belajar. Penelitian juga melibatkan analisis mendalam terhadap berbagai aspek, termasuk aspek sosial dan lingkungan, karena pemahaman terhadap faktor-faktor ini dianggap penting dalam memengaruhi prestasi belajar siswa. Dengan implementasi C4.5 yang dioptimalkan, penelitian ini tidak hanya bertujuan meningkatkan akurasi prediksi, tetapi juga memberikan gambaran komprehensif mengenai faktor-faktor yang berkontribusi terhadap prestasi belajar siswa. Hasil penelitian menunjukkan bahwa optimasi algoritma C4.5 secara signifikan meningkatkan tingkat akurasi prediksi prestasi belajar siswa. Temuan ini dapat membantu pihak sekolah dalam mengidentifikasi siswa yang memerlukan perhatian khusus atau bantuan tambahan untuk meningkatkan prestasi belajarnya. Model klasifikasi menunjukkan akurasi yang tinggi dalam memprediksi kategori prestasi belajar, memberikan manfaat konkret dengan memberikan pandangan yang lebih tepat mengenai potensi dan kebutuhan masing-masing siswa.
IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI PASIEN HIPERTENSI BERSADARKAN KARAKTERISTIK PASIEN Saepu Qirom, Dani; Faqih, Ahmad; Dwilestari, Gifthera
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.v8i2.8314

Abstract

Dalam beberapa dekade terakhir, fokus terhadap penyakit hipertensi menjadi semakin mendesak seiring dengan perkembangan pesat di bidang Informatika yang telah memberikan dampak signifikan pada berbagai aspek kehidupan. Puskesamas yang terletak di Kecamatan Rajapolah Kabupaten Tasikmalaya mengalami peningkatan dalam jumlah pasien yang datang ke puskesmas, penyakit hipertensi paling sering dialami oleh setiap pasien yang datang ke Puskesmas Rajapolah. Penelitian ini bertujuan untuk mengelompokan data pasien melalui pendekatan data mining untuk mengidentifikasi kelompok pasien hipertensi. Metode yang digunakan yaitu algoritma k-means clustering menggunakan software rapidminer dengan tahapan Knowledge Discovery in Database (KDD). Dalam menentukan jumlah cluster yang paling optimal menggunakan hasil evaluasi Davies Bouldin Index (DBI). Setiap 2 cluster sampai 10 cluster di evaluasi untuk mencari jumlah cluster dengan nilai DBI paling rendah. Data yang digunakan merupakan data rekam medis Puskesmas Rajapolah pada bulan september 2023 dengan jumlah 1000 records. Hasil analisis menunjukan 4 cluster dengan nilai DBI 0.269, jumlah anggota cluster 0 : 213 pasien, cluster 1 : 302 pasien, cluster 2 : 145 pasien, cluster 3 : 68 pasien. Kelompok dengan tingkat hipertensi paling tinggi yaitu cluster 3 berjumlah 68 pasien dengan umur 30 sampai 74 tahun, tingkat hipertensi kelompok ini berada pada stadium 2 sampai krisis hipertensi
PENERAPAN DATA MINING UNTUK ESTIMASI STOK BARANG DENGAN METODE K-MEANS CLUSTERING Zafira, Fara; Irawan, Bambang; Bahtiar, Agus
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.v8i1.8319

Abstract

Toko sembako merupakan suatu usaha jual beli barang yang banyak terjadi transaksi baik itu makanan, minuman maupun barang kebutuhan masyarakat dan lainnya. Toko sembako dapat menggunakan metode k-means clustering untuk mengetahui stok barang yang masih ada dalam stok dan yang sudah terjual atau tidak ada. Permasalahan yang dihadapi oleh toko sembako adalah mereka masih belum bisa mengelola persediaan barang mereka. Toko sembako ini sering mengalami permasalahan ketika tingkat persediaan tidak sesuai dengan tingkat penjualan produk. Persediaan barang seringkali kurang dari yang diperlukan, sehingga menyebabkan situasi kehabisan stok. Sebaliknya, situasi serupa terjadi, ketika persediaan terlalu besar dibandingkan dengan penjualan, sehingga persediaan menumpuk. Dengan melakukan melakukan pengelompokkan, permasalahan seperti kekurangan atau kelebihan barang yang dijual dapat dihindari. Penelitian ini bertujuan untuk menggunakan metode k-means clustering untuk mengelompokkan data stok barang dan juga akan dibahas bagaimana teknik ini diterapkan pada RapidMiner. Metode k-means clustering bekerja dengan memasukkan data persediaan stok barang yang akan diubah ke dalam dataset. Dengan metode tahapan Knowledge Discovery in Database (KDD), menggunakan RapidMiner dapat diketahui stok barang yang masih ada dalam stok sebanyak 466 item dan yang sudah terjual atau tidak ada stok sebanyak 37 items, Berdasarkan hasil analisis yang telah dilakukan maka dapat disimpulkan bahwa Presentase setiap cluster yaitu cluster_0 sebanyak 466 items atau sebesar 92,6%, cluster_1 sebanyak 37 items atau sebesar 7,4%. Dan k=2 dengan nilai davies boudin (Dbi) = -0.330.

Page 147 of 384 | Total Record : 3835

 145   146   147   148   149 

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