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
 149   150   151   152   153 
PENGEMBANGAN SISTEM INFORMASI PEGAWAI DENGAN METODE EXTREME PROGRAMMING: STUDI KASUS : ITSK RS DR.SOEPRAOEN MALANG Fery Fajar, Muhammad; Siwi Pradini, Risqy; Naseh Khudori, Ahsanun
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.v8i1.8363

Abstract

Perkembangan teknologi di berbagai bidang merupakan suatu hal yang umum terjadi. Salah satu bidang yang didukung adalah sumber daya manusia. Adanya teknologi akan mendukung kinerja bidang sumber daya manusia untuk mencapai tujuan bidang SDM. Bidang SDM membutuhkan teknologi informasi untuk mengelola seluruh kegiatan pegawai dalam menyelesaikan tugasnya sesuai tujuan organisasi yang dinaunginya. Tapi pada penerapannya masih banyak organisasi yang belum bisa menerapkan sistem untuk bidang sumber daya manusia dengan tepat. Dalam rangka melakukan integrasi data seluruh pegawai dan dosen pada kampus Institut Teknologi Sains dan Teknologi (ITSK) perlu dilakukan pengembangan SIMPEG (sistem informasi pegawai) yang diharapkan informasi pegawai dapat lebih efektif dan efisien. Sistem ini dikembangkan untuk nantinya digunakan sebagai sistem yang mendukung pendataan, penyimpanan dan pengolahan data pegawai, data penggajian, data absensi seluruh pegawai dan dosen di ITSK menjadi lebih efektif dan efisien. Pengembangan SIMPEG dikembangkan dengan metode Extreme Programming. Metode ini mendukung proses pengembangan SIMPEG, dengan kebutuhan Kampus ITSK RS.DR Soepraoen untuk dapat melakukan integrasi data pegawai dan DOSEN. SIMPEG dikembangkan dengan metode tersebut sehingga terbentuk dua (2) peran aktor untuk melakukan input dan proses pada sistem yaitu admin dan pegawai/dosen. Setelah pengembangan selesai dilakukan SIMPEG juga telah melalui pengujian Black Box dengan hasil akhir semua fungsi berhasil dan pengujian diterima.
PREDIKSI JUMLAH NARAPIDANA MENGGUNAKAN ALGORITMA REGRESI LINIER: DI WILAYAH CIREBON Indriyan Dwi Kesuma, Adri; 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.v8i1.8364

Abstract

Penelitian ini bertujuan untuk memprediksi jumlah narapidana di Cirebon, Jawa Barat, dengan menggunakan regresi linier sebagai metode untuk mengatasi tren peningkatan kejahatan dan kekhawatiran terhadap peningkatan jumlah narapidana di wilayah tersebut. Dataset yang diperoleh dari opendata.cirebonkota.go.id yaitu jumlah narapidana berdasarkan putusan pengadilan menurut jenis tindak pidana di LP Kelas 1 Cirebon digunakan untuk menganalisis data pada bulan Desember 2020 hingga Agustus 2023. Fokus penelitian adalah memperkirakan jumlah narapidana di Cirebon bulan berikutnya yaitu September, Oktober, November, dan Desember tahun 2023. Regresi linier digunakan sebagai metode prediksi utama karena penggunaannya yang umum dalam peramalan. Keakuratan prediksi dinilai menggunakan pengukuran Root Mean Squared Error (RMSE) dan Relative Error. Hasilnya, perkiraan jumlah narapidana di Cirebon pada bulan September, Oktober, November, dan Desember 2023 masing-masing berjumlah 894, 897, 896, dan 891 orang. Evaluasi keakuratan prediksi menunjukkan nilai RMSE bulan September, Oktober, November, dan Desember masing-masing sebesar 8,60, 8,65, 8,16, dan 8,14. Nilai Relative Error pada bulan yang sama masing-masing sebesar 44,16%, 54,20%, 38,14%, dan 45,26%. Berdasarkan nilai RMSE, prediksi tersebut tergolong relatif akurat. Namun, pertimbangan lebih lanjut diperlukan untuk nilai Relative Error karena persentasenya yang besar.
CLUSTERING PENERIMA BANTUAN SOSIAL MENGGUNAKAN ALGORITMA K-MEANS DI DESA JATIPANCUR Ma'arif Syaefullah, Muhammad; Martanto, Martanto; Hayati, Umi
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.v8i1.8365

Abstract

Program bantuan sosial ialah upaya pemerintah dalam membagikan sokongan kepada warga yang memerlukan, khususnya di wilayah pedesaan. Namun tidak jarang program bantuan sosial terjadi masalah diantaranya tidak tepat sasaran, salah pendataan dan kesalahan lainnya. Permasalahan yang sering terjadi pada saat penyaluran bantuan sosial di desa jatipancur ialah tidak tepat sasaran. Penelitian ini bertujuan guna mempraktikkan metode Informasi Mining dengan memakai algoritma K-Means dalam konteks clustering penerima dorongan sosial dengan metode Knowledge Discovery in Databases (KDD). Sumber data diambil dari data puskesos amanah desa jatipancur. Langkah awal mengaitkan pra- pemrosesan informasi guna mensterilkan serta menanggulangi kemampuan permasalahan, semacam informasi yang tidak lengkap ataupun informasi yang tidak relevan. Berikutnya, algoritma K-Means diimplementasikan untuk mengelompokkan informasi jadi sebagian kelompok bersumber pada kesamaan atribut. Dari proses penerapan teknik data mining dengan algoritma K-Means Clustering dihasilkan kelompok penerima bantuan sosial dengan jumlah cluster 10 terdiri dari cluster_0 berjumlah 36 kepala keluarga, cluster_1 berjumlah 2 kepala keluarga, cluster_2 berjumlah 23 kepala keluarga, cluster_3 berjumlah 54 keluarga, cluster_4 berjumlah 16 kepala keluaga, cluster_5 berjumlah 156 kepala keluarga, cluster_6 berjumlah 5 kepala keluarga, cluster_7 berjumlah 20 keluarga, cluster_8 berjumlah 40 kepala keluarga, cluster_9 berjumlah 2 kepala keluarga dan nilai Davies Bouldin Index yang optimal yaitu 0,057.
ANALISIS SENTIMEN TANGGAPAN MASYARAKAT DI MEDIA SOSIAL TWITTER MENGENAI PENUTUPAN FITUR TIKTOK SHOP MENGGUNAKAN ALGORITMA KLASIFIKASI NAÏVE BAYES Putra Pratama, Aeri; 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.v8i1.8367

Abstract

Perkembangan teknologi yang pesat memberikan kemudahan dalam kehidupan manusia, termasuk akses hiburan, informasi, serta layanan jasa dan toko online. Platform media sosial TikTok menjadi salah satu hasil dari perkembangan teknologi informasi dan komunikasi, yang menghadirkan dimensi Social-Commerce melalui fitur TikTok Shop. Namun saat ini pemerintah indonesia mengambil keputusan untuk menutup dan meregulasi fitur TikTok Shop. Hal ini menjadi tren topik yang memicu perdebatan di media sosial twitter. Sehingga banyak pengguna twitter yang pro dan kontra mengenai keputusan yang diambil oleh pemerintah indonesia. Tujuan penelitian ini untuk mengetahui sentimen masyarakat mengenai fenomena penutupan fitur tiktok shop berdasarkan kategori Positif dan Negatif. Pada penelitian ini menggunakan Algoritma Klasifikasi Naive Bayes dengan menggunakan software tools Rapidminer dan memanfaatkan Metode Knowledge Discovery in Databases (KDD). Penelitian ini memperoleh data 1504 data tweet kemudian melakukan Data Selection menjadi 858 data tweet. Hasil analisis sentimen dari 1504 tweet menunjukkan bahwa 395 diantaranya bersentimen positif dan 460 bersentimen negatif terhadap keputusan pemerintah dalam menutup dan meregulasi fitur tiktok shop. Melalui penerapan data mining dengan menggunakan Algoritma Naive Bayes dan operator Cross validation menghasilkan nilai recall 55.00%, nilai precision 71.27% dan nilai Accuracy 64.41%. Kesimpulan penelitian ini menegaskan bahwa penerapa Klasifikasi Naive Bayes pada tweet dengan topik Penutupan dan regulasi fitur tiktok shop di platform media sosial twitter menampilkan nilai peformance dan kinerja yang cukup baik dalam menganalisis sentimen terhadap data twitter. Kontribusi dari penelitian ini dapat membantu mengevaluasi keefektivitasan kebijakan pemerintah dalam pengambilan keputusan yang lebih baik terhadap fitur TikTok Shop.
ANALISIS PENGELOMPOKAN DAYA TARIK OBYEK WISATA BERDASARKAN JENISNYA MENGGUNAKAN METODE K-MEANS PADA DATA PEMPROV JABAR Helia, Anggun; Mulyawan, Mulyawan; Lukman Rohmat, Cep; Fathurrohman, Fathurrohman
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.v8i3.8369

Abstract

Provinsi Jawa Barat merupakan salah satu provinsi di Indonesia yang memiliki daya tarik pariwisata tinggi baik dari kalangan wisatawan lokal maupun mancanegara. Hal ini dapat dilihat dari jumlah kunjungan yang kian tahun semakin naik dari tahun-tahun sebelumnya. Peningkatan kunjungan wisatawan akan memberikan pengaruh baik bagi masyarakat sekitar. Di samping itu, walaupun sudah ada usaha-usaha untuk meningkatkan kunjungan wisatawan, masih terdapat masalah ketidakseimbangan jumlah wisatawan di beberapa daerah. Oleh karena itu, diperlukan usaha untuk meratakan distribusi kunjungan wisatawan. Salah satu cara yang dapat dilakukan adalah dengan mengelompokkan objek wisata yang memiliki potensi untuk dikembangkan dengan menggunakan penerapan clustering metode algoritma k-means. Atribut yang digunakan dalam penelitian ini meliputi Nama Provinsi, Nama, Kabupaten/Kota, Alam, Buatan, Budaya, Satuan, Tahun dengan perolehan hasil Clustering rendah, sedang, dan tinggi dengan nilai DBI yang diperoleh dari K=4 adalah 0.146. Cluster 0 merupakan Tingkat Daya Tarik Obyek Wisata Rendah dengan anggota cluster berjumlah 16 kabupaten , Cluster 1 merupakan Tingkat Daya Tarik Obyek Wisata sedang dengan anggota cluster berjumlah 9, Cluster 2 merupakan Tingkat Daya Tarik Obyek Wisata tinggi dengan anggota cluster berjumlah 1 kabupaten, dan Cluster 3 merupakan Tingkat Daya Tarik Obyek Wisata tinggi dengan anggota cluster berjumlah 1 kota
ANALISIS PERSEPSI DAN TINGKAT KEPUASAN PENGGUNA GOJEK MENGGUNAKAN ALGORITMA C4.5 Suarna, Nana; Retnasari, Peni; Prihartono, Willy
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.v8i2.8370

Abstract

Kemajuan teknologi telah mengakibatkan perubahan yang signifikan di berbagai aspek kehidupan, termasuk aspek transportasi. Salahsatu perubahan utama adalah munculnya perusahaan layanan transportasi online, seperti Gojek, Grab, Maxim dan lainnya. Gojek, sebagai salahsatu pelopor transportasi online di Indonesia telah menjadi pilihan utama bagi banyak orang untuk bepergian dan mengakses berbagai layanan lainnya. Namun banyaknya perusahaan layanan transportasi online yang serupa menyebabkan persaingan yang cukup kompetitif sehingga memaksa setiap penyedia layanan untuk bersaing serta berusaha unggul dalam persaingan tersebut. Oleh karena itu, penelitian ini bertujuan untuk melihat bagaimana efektivitas penggunaan aplikasi Gojek dapat diukur melalui pengukuran tingkat kepuasan pengguna layanan Gojek. Dengan dilakukan pengukuran ini maka dapat memberikan pemahaman yang lebih komprehensif mengenai aspek aspek yang perlu diperbaiki atau ditingkatkan dalam upaya pengembangan layanan Gojek dalam menghadapi persaingan antar penyedia layanan lainnya. Penelitian ini menggunakan metode kuantitatif. Data yang digunakan adalah data primer yang dikumpulkan melalui kuesioner yang disebarkan langsung kepada pengguna Gojek. Analisis data menggunakan KDD dengan algoritma C4.5 yang digunakan untuk mengidentifikasi faktor-faktor yang paling berkontribusi terhadap tingkat kepuasan pengguna. Variabel-variabel yang digunakan sebagai input dalam algoritma C4.5 adalah usia, jenis kelamin, kemudahan penggunaan aplikasi, ketersediaan layanan, waktu tunggu, harga dan keamanan. Hasil penelitian menunjukkan bahwa algoritma C4.5 efektif untuk mengukur tingkat kepuasan pengguna Gojek, dengan perolehan nilai akurasi sebesar 98.14%, nilai recall sebesar 69.53%, dan nilai precision sebesar 69.53%, Hasil dari decision tree menunjukan bahwa faktor terbesar yang mempengaruhi persepsi dan tingkat kepuasan pengguna adalah faktor keamanan. Jika pengguna merasa aman saat menggunakan aplikasi Gojek, maka mereka cenderung lebih puas dengan layanan yang diberikan. Selain faktor keamanan, faktor ketersediaan layanan dan waktu tunggu juga berpengaruh terhadap tingkat kepuasan pengguna. Jika pengguna dapat dengan mudah mengakses layanan yang mereka butuhkan dan tidak perlu menunggu terlalu lama, maka mereka lebih cenderung puas
ANALISIS DATA PROGRAM KELUARGA HARAPAN PADA TINGKAT KEMISKINAN DENGAN MENGGUNAKAN FUZZY C-MEANS DI KECAMATAN PABEDILAN Septian Nugraha, Titan; Kurniawan, Rudi; Arie Wijaya, Yudhistira
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.v8i1.8371

Abstract

Kemiskinan, sebagai isu mendasar di Indonesia, tetap menjadi tantangan yang belum teratasi sepenuhnya oleh pemerintah pusat maupun daerah. Oleh karena itu penelitian ini bertujuan untuk menganalisis data guna mengurangi kemiskinan dan meningkatkan kesejahteraan masyarakat dengan kondisi ekonomi rendah di Kecamatan Pabedilan. Fokusnya adalah Program Keluarga Harapan (PKH), sebuah inisiatif pemerintah Indonesia untuk memberikan bantuan sosial bersyarat kepada Keluarga Miskin (KM) yang diidentifikasi sebagai penerima manfaat PKH. Penelitian ini menggunakan Metode Algoritma Fuzzy C-Means sebagai teknik pengelompokan data. Metode ini terpilih karena sederhana namun efektif dalam mengatasi atribut dengan variasi nilai yang beragam. Dengan memfokuskan analisis pada Kecamatan Pabedilan, penelitian ini diharapkan dapat memastikan bahwa Program Keluarga Harapan memberikan manfaat optimal bagi masyarakat sasaran, serta memberikan kontribusi positif dalam upaya pengurangan kemiskinan di wilayah tersebut. Teknik klaster dipilih sebagai solusi untuk menghadapi variasi nilai atribut, menunjukkan keunggulan dalam konsistensi, akurasi, dan efisiensi waktu komputasi. Hasil penelitian ini Algoritma Fuzzy C-Means pada data penerima PKH Kecamatan Pabedilan, ditemukan tiga cluster, Cluster 0: 473 items Karakteristik nominal: 633,333-1,600,000 (masuk dalam nominal besar). Cluster 1: 656 items Karakteristik nominal: 18,666-250,000 (masuk dalam nominal kecil). Cluster 2: 1,572 items Karakteristik nominal: 300,000-583,333 (masuk dalam nominal sedang).
ANALISIS PENJUALAN PRODUK UMKM DI SHOPEE PADA TOKO AGUNG0NA9 MENGGUNAKAN MODEL ALGORITMA REGRESI LINEAR Supriyatna, Adi; 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.v8i2.8372

Abstract

Shopee merupakan platform e-commerce yang beroperasi secara online dan hadir di berbagai negara di Asia Tenggara, Shopee telah berkembang pesat dalam beberapa tahun terakhir memungkinkan konsumen membeli produk secara online, Toko umkm Agung0na9 Menjual produk kategori musik dan juga kerajinan. Tujuan dari penelitian ini adalah menerapkan algoritma regresi linier untuk memprediksi produk dengan Kategori musik dan kerajinan yang akan terjual dalam waktu 3 bulan berikutnya. Regresi linear digunakan sebagai metode prediksi dengan jumlah produk yang terjual sebagai variabel Y dan periode sebagai variabel X. relative Error digunakan untuk mengevaluasi hasil prediksi. Hasil prediksi kategori Musik pada bulan pertama terjual 68 pcs, pada bulan kedua 69 pcs dan bulan ketiga 70 pcs dan kategori Kerajinan pada bulan pertama terjual 1078 pcs, pada bulan kedua 1029 pcs dan bulan ketiga 1066 pcs. Hasil evaluasi nilai Nilai Relative Error pada kategori Musik 13.64%, sedangkan, Nilai Relative Error kategori Kerajinan 22.65%. Prediksi penjualan handphone menggunakan metode regresi linear ini dapat dikatakan tergolong dalam kategori cukup atau bisa digunakan.
ANALISIS SENTIMEN KOMENTAR VIDEO MOBIL LISTRIK DI PLATFORM YOUTUBE DENGAN METODE NAIVE BAYES Karimah, Ayu; Dwilestari, Gifthera; Mulyawan, Mulyawan
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.v8i1.8373

Abstract

Dalam era perkembangan teknologi yang pesat, mobil listrik menjadi inovasi utama dalam industri otomotif. Namun, analisis sentimen menunjukkan adanya tantangan, terutama kurangnya pemahaman masyarakat tentang mobil listrik yang mempengaruhi persepsi negatif. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap mobil listrik di Indonesia melalui konten YouTube, menggunakan algoritma Naive Bayes. Metode Knowledge Discovery in Databases (KDD) digunakan untuk mengumpulkan dan menganalisis opini masyarakat. Evaluasi model menggunakan RapidMiner menunjukkan peningkatan signifikan dengan penerapan teknik SMOTE Upsampling, meningkatkan akurasi dari 50,70% menjadi 70,69%. Analisis kelas menunjukkan peningkatan true positive, true negative, dan true neutral. Meskipun algoritma Naive Bayes memberikan akurasi 70,69%, presisi 43.64%, dan recall 39.48%, penelitian ini memiliki kekurangan dan disarankan untuk membandingkan algoritma klasifikasi lain, memperluas dataset, dan menguji kombinasi algoritma yang lebih luas. Rekomendasi juga mencakup penerapan hasil penelitian ke mesin klasifikasi dengan pengujian lebih lanjut. Studi ini memberikan wawasan untuk meningkatkan pemahaman dan penerimaan mobil listrik di masyarakat Indonesia.
ANALISIS SENTIMEN PENGGUNA TWITTER(X) TENTANG PIALA DUNIA USIA 17 MENGGUNAKAN METODE NAIVE BAYES Kholilullah, Mohammad; Martanto, Martanto; Hayati, Umi
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.v8i1.8378

Abstract

Olahraga sepak bola adalah salah satu olahraga yang paling diminati diseluruh dunia termasuk indonesia. Beberapa turnamen sepak bola yang diselenggarakan oleh Federasi Internasional Sepak Bola (FIFA), termasuk Piala Dunia U-17 yang akan diadakan pada tanggal 10 November 2023 – 02 Desember 2023 di Indonesia dan menjadi pusat perhatian bagi penggemar olahraga di seluruh dunia, memiliki dampak signifikan dalam mengundang berbagai opini dan pendapat di kalangan penggemar sepak bola. Seiring dengan perkembangan teknologi media sosial, khususnya Twitter, menjadi platform utama bagi individu untuk berbagi pandangan, komentar, dan opini terkait peristiwa-peristiwa perhelatan piala dunia tersebut. Penelitian ini bertujuan untuk melakukan klasifikasi terhadap opini penggemar bola yang terdapat dalam cuitan-cuitan di Twitter mengenai tingkat antusiasme penggemar sepak bola Indonesia yang menjadi tuan rumah Piala Dunia U-17. Penelitian ini menggunakan analisis sentimen dengan metode Naive bayes yang merupakan suatu pendekatan komputasional untuk mengkategorikan opini dalam cuitan-cuitan menjadi kategori positif, negatif, atau netral. Data dikumpulkan selama penyelenggaraan Piala Dunia U-17. Hasil analisis sentimen menunjukkan tingkat akurasi 97% pada data uji, presisi 97%, recall 98%, dan F1-score 97%. Dari total 869 data 95,74% dari teks yang dianalisis dikategorikan memiliki sentimen positif, 2,88% teks memiliki sentimen netral, dan 1,38% dari teks mengekspresikan pandangan negatif terkait Piala Dunia U-17.

Page 151 of 384 | Total Record : 3835

 149   150   151   152   153 

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