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
 155   156   157   158   159 
IMPLEMENTASI TEKNIK DATA MINING PADA DATA KUNJUNGAN WISATAWAN MENGGUNAKAN K-MEANS CLUSTERING DI HOTEL BINTANG KOTA CIREBON Wulandari, Sepia; Astuti, Rini; M. Basysyar, Fadhil
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.v8i1.8470

Abstract

Kota Cirebon kini juga disebut sebagai “kota wisata” dan memiliki berbagai tempat wisata yang menarik. Hotel merupakan jenis fasilitas akomodasi yang menyediakan berbagai layanan seperti tempat menginap, makanan, dan layanan lainnya untuk sementara kepada masyarakat umum dan dijalankan secara komersial. Dinas Kebudayaan dan Pariwisata seringkali mengalami permasalahan karena belum melakukan pemetaan kunjungan tamu hotel sehingga berdampak pada pengelolaan hotel bintang di kota cirebon. Untuk mengatasi masalah ini maka digunakan data kunjungan wisatawan dari januari hingga desember tahun 2021 bersumber dari Dinas Kebudayaan dan Pariwisata Kota Cirebon menggunakan teknik penerapan data mining untuk mengelola informasi data kunjungan wisatawan di hotel bintang di Kota Cirebon menggunakan K-Means Clustering. Kemudian, Validasi hasil klasterisasi dapat dilakukan menggunakan Davies Bouldin Index (DBI). Berdasarkan hasil pengelompokan pada RapidMiner menggunakan algoritma k-means, data dikelompokan menjadi 7 kelompok. Kelompok 3 merupakan tingkat dengan kunjungan wisatawan paling rendah, kelompok 1 merupakan tingkat dengan kunjungan wisatawan rendah 1, kelompok 6 tingkat dengan kunjungan wisatawan rendah 2, kelompok 0 merupakan tingkat dengan kunjungan wisatawan sedang, kelompok 4 merupakan tingkat dengan kunjungan wisatawan tinggi 1, kelompok 2 merupakan tingkat dengan kunjungan wisatawan tinggi 2 dan kelompok 5 merupakan tingkat dengan kunjungan wisatawan sangat tinggi. Oleh karena itu, dilakukannya penelitian mengenai penerapan data mining dengan jumlah wisatawan terbanyak yang ramai berkunjung dapat memberikan manfaat yang besar bagi manajemen hotel dan Dinas Kebudayaan dan Pariwisata Kota Cirebon dalam meningkatkan fasilitas pelayanan yang lebih baik
PENERAPAN DATA MINING DALAM PREDIKSI PRODUKSI BERAS MENGGUNAKAN METODE REGRESI LINEAR Adinata, Adinata; 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.v8i2.8494

Abstract

Kondisi geografis Indonesia yang mendukung serta memiliki iklim tropis sangat cocok untuk membudidayakan padi. Sehingga pada tahun 2018, Indonesia berhasil menjadi negara penghasil beras terbanyak di dunia. Hal ini menjadikan Indonesia sebagai negara penghasil beras terbanyak di dunia pada tahun 2018. Analisis regresi digunakan untuk memprediksi nilai dari suatu variabel response (y) dengan menggunakan nilai dari variabel prediktor/independent (x). Tujuan penelitian ini adalah untuk Mendapatkan gambaran daerah-daerah penghasil beras di Kabupaten Cirebon, Mengklasifikasikan daerah-daerah penghasil beras di Kabupaten Cirebon berdasarkan kuantitas hasil panen per tahun, Mengimplementasikan data mining dengan metode regresi linear untuk memprediksi produksi beras di daerah-daerah prioritas produksi beras di Kabupaten Cirebon. Hasil penelitian menunjukan bahwa RMSE dan Relative Error, menunjukkan jika metode prediksi yang dipergunakan baik. Hasil penelitian nilai evaluasi yang di dapat dari perhitungan prediki menggunakan RMSE 285.590 dan Relative Error 0.000 %. Dan prediksi produk beras yang disimulasikan dengan rapidminer mempunyai nilai min 140 dan nilai max 41060 dengan nilai rata-rata 9037.220 dan standard deviation 7837.949, Hasil evaluasi nilai RMSE pada produksi beras adalah 285.590, sedangkan nilai Relative Error adalah 0.000%. Nilai RMSE dan Relative Error yang mendekati 0 menunjukkan bahwa prediksi mendekati nilai aktual.
DATA MINING DALAM KONTEKS TRANSAKSI PENJUALAN HIJAB DENGAN MENGGUNAKAN ALGORITMA CLUSTERING K-MEANS: STUDI KASUS: HIJABER TRENDY Maoulana, Riky; 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.v8i1.8504

Abstract

Industri perdagangan hijab menghadapi tantangan dinamika pasar yang kompleks, sehingga diperlukan pendekatan analitik untuk meningkatkan efisiensi dan optimasi penjualan. Penelitian ini bertujuan menerapkan teknik data mining khususnya clustering dengan algoritma K-Means pada data transaksi penjualan hijab. Dengan pendekatan tersebut diharapkan dapat mengelompokkan pola transaksi berdasarkan kemiripan dan memahami preferensi perilaku pembelian konsumen hijab. Metode penelitian diawali dengan mengumpulkan data historis transaksi dari sebuah toko hijab, lalu menerapkan algoritma K-Means clustering untuk pengelompokan data transaksi serupa. Analisis mempertimbangkan atribut seperti jumlah pembelian, frekuensi transaksi, jenis dan variasi produk yang dibeli. Hasil clustering K-Means berhasil mengidentifikasi beberapa kelompok besar transaksi hijab dengan pola pembelian mirip. Hal ini memberikan informasi berharga terkait perilaku dan selera konsumen hijab. Selanjutnya hasil analitik dapat dimanfaatkan untuk penyesuaian strategi pemasaran agar lebih memenuhi preferensi konsumen dan meningkatkan kepuasan serta loyaltas pelanggan. Penelitian serupa dapat diterapkan pada data transaksi industri fashion Muslim lainnya.
PERANCANGAN JARINGAN SISTEM FAILOVER DENGAN METODE HOT STANDBY ROUTING PROTOCOL (HSRP) STUDI KASUS DI YAYASAN SUKSES ABADI Rahma Dewi, Virly; Purnama, Giri
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.v8i1.8523

Abstract

Pemanfaatan jaringan komputer saat ini sangat penting dalam mendapatkan informasi dan berbagi data. Dengan tidak tersedianya backup link dan hanya mengandalkan 1 router saja dapat mengakibatkan penurunan kualitas jaringan dan risiko gangguan jaringan saat jaringan internet digunakan secara bersamaan oleh guru dan siswa. Untuk mengatasi masalah tersebut, dilakukan penambahan router sebagai router backup dan diterapkannya sistem failover yang dapat mengalihkan lalu lintas ke jalur alternatif saat salah satu jalur publik mengalami gangguan atau mati. Untuk mendukung proses failover yaitu menggunakan metode HSRP (Hot Standby Routing Protocol). Penerapan metode HSRP (Hot Standby Router Protocol) dengan membuat satu active link dan satu backup link dapat mengatasi hal tersebut. Penelitian ini menggunakan metode kualitatif dengan teknik pengumpulan data dan rancangan jaringan yaitu dengan proses observasi dan wawancara sedangkan untuk proses pengembangan jaringan menggunakan metode NDLC (Network Development Life Cycle), dimana metode ini hanya digunakan sampai dengan tahapan Simulation Prototype. Sistem failover yang telah diterapkan pada router Yayasan Sukses Abadi membantu mengatasi kendala dalam pergantian sistem jaringan yang sebelumnya dilakukan secara manual. Selama pengujian failover, menggunakan command ping, dan tracert dengan skenario failover HSRP yang sudah diimplementasikan serta pengaturan bandwith yang mendapatkan hasil statistic konsisten dan data maksimum yang didapat yakni rata-rata cukup stabil diantaranya 1ms, 2ms dan 3ms pada network 1 (utama ).
RANCANG BANGUN SISTEM INFORMASI KEUANGAN TINGKAT RT MENGGUNAKAN METODE AGILE Fauzan Islamil Haq, Ramadhan; Pandiya, Ridwan; Setyadi, Resad
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.v8i1.8558

Abstract

Rukun Tetangga merupakan bagian yang tidak terpisahkan dari warga indonesia mulai dari keperluan administratif hingga keperluan layanan sosial seperti informasi bagi warga. Selain itu dalam tingkat Rukun Tetangga (RT) juga melakukan administrasi keuangan, dimana permasalahan RT di Perumahan Bumi Asri Plumbon ini masih menggunakan pencatatan pembayaran secara manual, mencatat dana sosial, membuat laporan keuangan dan dana sosial tiap bulan secara manual. Penelitian ini bertujuan untuk menemukan konsep model sistem yang dibutuhkan warga untuk menciptakan kemudahan dalam pengelolaan keuangan. Untuk membuat website menggunakan metode agile scrum yaitu metode pengembangan sistem yang sering digunakan karena memiliki produktivitas yang tinggi. Metode yang digunakan dalam penelitian ini menggunakan Agile untuk langkah - langkahnya tahap pertama dalam melakukan penelitian ini yaitu mengidentifikasikan masalah dengan observasi dan wawancara Bersama narasumber. Dimana masalah yang diangkat dari penelitian ini yaitu masalah dalam mengelola administrasi keuangan masih menggunakan cara manual yang kurang efektif dan efisien. Sehingga, didapati hasil dari penelitian ini adalah untuk mengacu pada kriteria interpretasi skor pada UAT, didapati bahwa tiap indikator yang diuji yakni Kemudahan, Efisiensi dan Desain semuanya berada pada kategori “Sangat Baik”, sehingga dapat disimpulkan bahwa website Keuangan sudah sesuai dengan kebutuhan pengguna.
ANALISA SENTIMEN KOMENTAR VIDEO YOUTUBE DI CHANNEL TVONENEWS TENTANG CALON PRESIDEN PRABOWO SUBIANTO MENGGUNAKAN SUPPORT VECTOR MACHINE Tohidi, Edi; Perdana Herdiansyah, Reza; Wahyudin, Edi; Kaslani, Kaslani
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.v8i1.8560

Abstract

Indonesia merupakan negara demokrasi di mana rakyat memilih presiden melalui Pemilihan Umum Presiden (Pilpres) yang dilakukan 5 tahun sekali. Pada Pilpres 2024, ada 3 kandidat capres yaitu Anies Baswedan, Prabowo Subianto, dan Ganjar Pranowo. Youtube menjadi platform utama masyarakat menyampaikan opini politik. Penelitian ini menganalisis sentimen komentar video Youtube TVOneNews tentang calon presiden Prabowo sebagai capres 2024 dengan SVM. Tujuan penelitian ini adalah mengukur akurasi SVM dalam mengklasifikasi sentimen komentar video Youtube TVOneNews berjudul "Relawan dari Berbagai Daerah Deklarasikan Prabowo sebagai Capres 2024" serta melihat sentimen masyarakat terhadap calon presiden prabowo subianto. Metode penelitian ini menggunakan Knowledge Discovery in Database (KDD) yang terdiri dari lima tahapan yaitu Selection, Preprocessing, Transformation, Data Mining dan Interpretation. Datadalam penelitian ini berjumlah 927 komentar yang didapatkan melalui crawling setelah preprocessing tersisa 877 data dengan label positif 530 dan label negatif 346. Hasil penelitian menunjukkan terdapat sebuah perbedaan jumlah label sentimen awal dengan hasil SVM, dimana sentimen positif bertambah dari 530 menjadi 542 dan sentimen negatif berkurang dari 346 menjadi 334. Dan hasil klasifikasi SVM mendapatkan nilai akurasi 85%, presisi 87% dan recall 89%.
PENERAPAN NATURAL LANGUAGE PROCESSING DALAM ANALISIS SENTIMEN CAWAPRES 2024 MENGGUNAKAN ALGORITMA NAIVE BAYES Iin, Iin; Supriatna, Reza; Mulyawan, Mulyawan; Rohman, Dede
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.v8i1.8572

Abstract

Pemerintah indonesia akan mengadakan pemilu tahun 2024 isu yang paling di sorot yaitu pemilihan calon presiden dan calon wakil presiden tahun 2024, keputusan Mahkamah Konstitusi (MK) tentang pemilihan calon presiden dan wakil presiden pada tahun 2024 menjadi isu yang sangat viral, terutama terkait CAWAPRES muda. Beberapa analisis sentimen di Twitter menunjukkan bahwa teks yang disebutkan masyarakat memiliki sentimen negatif, positif, atau netral. Dalam konteks penelitian ini, fokusnya adalah menilai apakah teks yang muncul di Twitter bersifat negatif, positif, atau bahkan bersifat netral. Metode yang digunakan dalam penelitian ini metode SEMMA (sample, explore, modify, assess) dengan menggunakan algoritma naive bayes, dengan pemodelan confusion matrix untuk prediksi sentimen menggunakan Naïve Bayes dengan menghasilkan nilai presisi, akurasi dan recall. Hasil evaluasi dari algoritma naive bayes tersebut mencapai 73,98% untuk nilai recall, 77,37% untuk nilai akurasi dan 100% untuk nilai presisi.
ANALISIS KLASTER K-MEDOID UNTUK PENGELOMPOKAN DAN PEMETAAN PROVINSI DI INDONESIA BERDASARKAN NILAI UJIAN NASIONAL Puri, Anita; Solihudin, Dodi; Anwar, Saeful; Pratama, Denni; Wahyudin, Edi
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.v8i1.8653

Abstract

Ujian Nasional (UN) adalah suatu metode standar mengevaluasi tahap pendidikan awal yang membantu menentukan apakah siswa lulus atau tidak. Sejalan dengan Penilaian hasil belajar ini bertujuan unntuk menilai kinerja siswa pada tingkat nasional. Ujian nasional juga mempunyai dampak penting dalam melanjutkan pendidikan pada jenjang selanjutnya dan dapat meningkatkan mutu pendidikan di sekolah. Penelitian ini bertujuan mengidentifikasi pola atau struktur dalam Algoritma K-Medoid Clustering yang digunakan untuk mengelompokkan nilai rata-rata siswa berdasarkan hasil ujian nasional tingkat provinsi di Indonesia. Dalam mengelompokkan pencapaian nilai ujian siswa berdasarkan Nama Provinsi, Ujian Nasional (UN) tingkat (SMP), UN (SMA) (IPA), UN SMA Program Ilmu Pengetahuan Sosial (IPS), UN SMA Program Bahasa, UN Sekolah Menengah Kejuruan (SMK), Ujian Institusi (IIUN) tingkat SMP, IIUN tingkat SMA (IPA), IIUN SMA (IPS), IIUN SMA Program Bahasa, dan IIUN SMK. Algoritma K-Medoid ini juga dikenal sebagai Algoritma Partitioning Around Medoid atau PAM, dari data yang sudah diolah menggunakan teknik clustering hasil yang di dapat dalam mengelompokan nilai rata-rata di provinsi Indonesia berdasarkan Davies Bouldin Index, dapat diharapkan memudahkan dan memahami algoritma K-Medoid dalam pengelompokan nilai ujian siswa di Indonesia menggunakan teknik clustering untuk mendapatkan jumlah kelompok terbaik pada data hasil ujian nasional di Indonesia menggunakan algoritma k-medoid. Dari hasil penerapan tersebut nilai K terbaik diperoleh pada nilai iterasi K9 dengan jumlah 1.016 berdasarkan Davies Bouldin Index, Berdasarkan hasil pengukuran nilai max runs dari 1 sampai 10, menunjukkan nilai DBI yang konsisten, yakni 1.016 pada K9 menjadi nilai terbaik, pada cluster ini, terdapat 25 items dalam cluster 0, dan 5 items dalam cluster 1. Stabilitas nilai DBI pada K9 menunjukkan kualitas pengelompokan yang baik.
IMPLEMENTASI DATA MINING POLA PEMBELIAN DOMINOS PIZZA MENGGUNAKAN ALGORITMA APRIORI Eka Permana, Sandy; Salsa Nugraha, Ega; Handayani, Tineka; Rizki Rinaldi, Ade
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.v8i1.8694

Abstract

Studi ini bertujuan untuk menerapkan teknik data experience menggunakan algoritma apriori dalam menganalisis pola pembelian domino pizza. metode apriori digunakan untuk mengidentifikasi agregat yang sering terjadi untuk mengidentifikasi faktor dalam transaksi, sehingga memungkinkan peneliti menimbang sampel untuk memilih menu yang bermanfaat.data yang digunakan dalam studi yang diperoleh dari website kaggle termasuk riwayat transaksi pelanggan pembelian domino pizza. masalah yang dihadapi dominos pizza, tidak ada agregat penjualan di dominos pizza.untuk meningkatkan keuntungan perusahaan.salah satu hal yang harus diketahui dominos adalah pelanggan membeli pizza secara teratur.penerapan algoritma apriori ini harus memberikan efek yang berharga bagi perusahaan dominos pizza.tujuan penelitian ini adalah untuk memahami pembelian pizza dominos menggunakan pelajaran matematika apriori sehingga mendapatkan nilai dukungan dan kepercayaan terbaik menggunakan aplikasi rapidminer.hasil studi ini memiliki dukungan terbaik, yaitu spinach dan feta (brooklyn style) dengan nilai dukungan 0,30.untuk nilai kepercayaan pelengkap pembelian pizza terbaik jika anda membeli 6 pizza wisconsin keju, juga punya kesempatan membeli pizza crush crispy tipis dengan nilai trust 0.78.dari hasil ini dapat meningkatkan keuntungan usaha dominos pizza.
ANALISIS PENGELOMPOKAN PENJUALAN MENGGUNAKAN METODE K-MEANS PADA BISNIS CENTER SMK WAHIDIN Aji Dian Permana, Muhamad; 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.v8i1.8695

Abstract

Bisnis Center SMK Wahidin adalah entitas bisnis yang beroperasi dalam konteks pendidikan, yang menyediakan berbagai produk dan layanan kepada komunitas sekolah dan orang tua siswa. Bisnis Center ini menjual berbagai barang, termasuk seragam sekolah, peralatan pendidikan, dan souvenir. Metode K-Means adalah salah satu teknik clustering yang populer dalam analisis data, yang dapat membantu mengidentifikasi pola-pola tersembunyi dalam data penjualan Bisnis Center SMK Wahidin. Dalam penelitian ini, kami mengumpulkan data penjualan dari 1 Juli 2023 sampai 31 Oktober 2023, yang mencakup informasi tentang jenis produk yang dijual, harga produk serta jumlah penjualan. Data ini kemudian digunakan sebagai dasar untuk analisis pengelompokan penjualan dengan metode K-Means. Penelitian ini akan merinci bagaimana hasil analisis ini dapat digunakan sebagai panduan bagi Bisnis Center di sekolah-sekolah lain yang memiliki unit bisnis serupa. Analisis ini dapat menjadi model bagi upaya pengelompokan penjualan dan manajemen operasional yang lebih efektif dalam lingkungan sekolah. Sebagai langkah selanjutnya, penelitian ini dapat diperluas dengan mempertimbangkan teknik clustering lainnya, serta pengumpulan data yang lebih luas dan waktu observasi yang lebih panjang untuk analisis yang lebih mendalam. penelitian ini memberikan landasan bagi pengembangan strategi bisnis yang lebih cerdas dan efisien di Bisnis Center SMK Wahidin serta unit bisnis serupa dalam lingkungan pendidikan.

Page 157 of 384 | Total Record : 3835

 155   156   157   158   159 

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