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
 166   167   168   169   170 
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENGETAHUI POLA PEMBELIAN KONSUMEN DI WARUNG MAKAN DEDE Salsabila, Putri; Wahyudin, Edi; Dwilestari, Gifthera; Kaslani, Kaslani; Subhiyanto, Fajar
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.v8i1.8964

Abstract

Dalam era globalisasi dan persaingan bisnis yang ketat, pemahaman mendalam terhadap perilaku pembelian konsumen menjadi krusial bagi pelaku bisnis. Penelitian ini memperkenalkan metode FP-Growth (Frequent Pattern Growth) sebagai alat analisis untuk mengidentifikasi pola pembelian konsumen secara efektif dan efisien. Dalam pengamatan lapangan, teridentifikasi bahwa banyak rumah makan menghadapi kesulitan dalam memahami dan mengantisipasi pola pembelian konsumen. Ketidakmampuan ini dapat menghambat pengembangan strategi pemasaran yang efektif dan mengoptimalkan keuntungan. Dari data observasi dan literatur, terungkap bahwa aturan asosiasi yang kuat dalam pola pembelian seringkali sulit untuk diidentifikasi secara manual, dan inilah masalah utama yang ingin dipecahkan melalui penelitian ini. Masalah mendasar yang mendasari sulitnya mengidentifikasi pola pembelian konsumen adalah kompleksitas dan volume data transaksi.Metode tradisional atau manual seringkali tidak efisien dalam memisahkan informasi berharga dari data yang jenisnya berbeda-beda. Hasil penelitian ini mendapatkan kesimpulan hasil persentase nilai minimum support dan confidence adalah [Mangkuk plastik, Es Milo, Bakso Rebusan, Ayam Kremes, Bakso Balung] --> [Air mineral, Es Teh/Teh Hangat] (confidence: 0.821) Hasil ini diharapkan dapat menjadi dasar bagi perusahaan untuk mengoptimalkan strategi pemasaran mereka dan meningkatkan kepuasan pelanggan.
KLASIFIKASI BARANG PRODUKSI PADA TNT. GUITAR WORKSHOP DENGAN METODE NAIVE BAYES MENGGUNAKAN RAPID MINER Vibrianti, Vera; Wahyudin, Edi; Kaslani, Kaslani; Pratama, Denni; 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.v8i2.8966

Abstract

Minat pembelian gitar semakin berkembang terutama dikalangan anak muda. Permintaan penjualan gitar pun semakin meningkat. Adapun dari TNT.Guitar Workshop yang saya temui di daerah perumnas kota Cirebon, disitu konsumen dapat menentukan sendiri model, jenis kayu, hardware, dan yang lainnya sesuai dengan kemauan konsumen itu sendiri. TNT.Guitar Workshop memiliki masalah dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen. Dalam penelitian ini metode perancangan yang akan diterapkan adalah metode algoritma Naive bayes. Naive Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Tujuan dari penelitian ini adalah membantu TNT.Guitar Workshop dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen dan untuk melihat berapa tingkat akurasi hasil klasifikasi barang menggunakan algoritma Naive Bayes dengan menggunakan aplikasi RapidMiner. Dengan menggunakan aplikasi RapidMiner versi 9.9 menunjukan bahwa nilai akurasi sebesar 86.49% dengan rincian sebagai berikut: prediksi interest dan true interest memiliki nilai sebesar 157, prediksi interest dan true some interest memiliki nilai 18, prediksi some interest dan true interest memiliki nilai 22, prediksi some interest dan true some interest memiliki nilai sebesar 99. Dengan kelas interest sebesar 87.71% dan kelas some interest sebesar 84.62%.
IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI CUACA MENGGUNAKAN RAPIDMINER Nur Kirana, Anita; Nurhakim, Bani; Eka Permana, Sandy; Prihartono, Willy; 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.v8i2.8967

Abstract

Cuaca adalah kondisi udara di suatu tempat dalam waktu relatif singkat yang dinyatakan dengan nilai parameter oleh kecepatan angin, suhu, tekanan, curah hujan, dan faktor atmosfer lainnya. Keadaan cuaca dapat mempengaruhi berbagai aspek kegiatan manusia, termasuk transportasi, pertanian, perkebunan, pembangunan, dan bahkan aktivitas olahraga. Sehingga untuk memperoleh informasi cuaca yang dapat dimanfaatkan oleh masyarakat diperlukan pembuatan penentuan cuaca. Salah satu metode prediksi cuaca yang digunakan adalah dengan menggunakan algoritma Naive Bayes. Algoritma ini menghitung probabilitas dari setiap kelas untuk setiap atribut kelompok yang ada dan menentukan kelas yang paling optimal. Dengan kata lain, pengelompokan cuaca dapat dilakukan berdasarkan kategori yang diinputkan oleh pengguna pada aplikasi. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi cuaca dengan menerapkan metode data mining menggunakan algoritma Naive Bayes. Metode penelitian melibatkan pengklasifikasian data cuaca berdasarkan atribut kelompok seperti kecepatan angin, suhu, curah hujan, dan cuaca. Naive Bayes digunakan untuk menghitung probabilitas kelas cuaca berdasarkan input pengguna pada aplikasi. Hasil pengujian menunjukkan tingkat akurasi sebesar 84.26%, menunjukkan bahwa metode ini memiliki potensi untuk memberikan prediksi cuaca yang lebih akurat, yang dapat bermanfaat dalam berbagai aspek kegiatan manusia.
KLASTERISASI DATA PENJUALAN ALAT TRANSPORTASI DENGAN RAPIDMINER MENGGUNAKAN METODE K-MEDOID Aprilyani, Wiwin; Kaslani, Kaslani; Wahyudin, Edi; Hamonangan, Ryan; Herdiana, Ruli
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.v8i2.8968

Abstract

Penelitian ini bertujuan untuk menerapkan metode klasterisasi K-medoid menggunakan platform Rapidminner pada data penjualan alat transportasi. Melalui Rapidminner sebuah platform analisis data yang kuat, hal ini bertujuan untuk meningkatkan pemahaman terhadap prefrensi dan perilaku pembelian konsumen dalam kaitannya dengan transportasi. Metode K-medoid dipilih karena kemampuannya dalam menghasilkan kelompok-kelompok data yang berbeda secara optimal tanpa bergantung pada bentuk atau jumlah klaster yang telah ditentukan sebelumnya. Setelah dilakukannya beberapa uji coba klaster pada data penjualan alat transportasi dengan record data terakhir berjumlah 904 record data menghasilkan nilai klaster yang terbaik yaitu dengan 2 klaster yang nilai Davies Bouldin Index berada pada -0,838 yang dimana nilai tersebut nilai terkecil diantara hasil uji coba klaster lainnya, dengan jumlah klaster 2 tersebut penjualan tertinggi pada perusahaan ini berada pada tahun 2005 dengan nilai 11,739 dan berada pada di klaster 0.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PEMBELIAN MAKANAN DI WARMINDO Destriyanah, Riska; Kaslani, Kaslani; Wahyudin, Edi; Dwilestari, Gifthera; Mulyawan, Mulyawan
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.v8i2.8969

Abstract

Di dalam dunia bisnis diperlukan suatu usaha yang maksimal agar mendapatkan keuntungan. Strategi pemasaran yang tepat dapat dilihat pada pola pembelian konsumen yang di peroleh dari transaksi penjualan terhadap Makanan Warung Indomie atau Warmindo. Informasi mengenai pola pembelian customer pada Warmindo yang kurang akurat ini menyebabkan ketidaktahuan perusahaan mengenai kerugian yang didapatinya. Penelitian ini bertujuan untuk menganalisis pola pembelian pelanggan di Warmindo menggunakan algoritma FP-Growth yang diimplementasikan melalui software RapidMiner. Pada penelitian ini ditemukan beberapa hasil aturan asosiasi yang nantinya akan digunakan sebagai bahan pengambilan keputusan untuk kemajuan Perusahaan dan mendatangkan laba atau keuntungan. Hasil dari penelitian ini berupa aturan asosiasi menggunakan algoritma FP-Growth yang bertujuan untuk memberikan rekomendasi dua items atau menu kepada pelanggan dengan menggunakan nilai minimum support 30% dan minimum confidence 80%
PENERAPAN ALGORITMA NAIVE BAYES TERHADAP PREFERENSI KONSUMEN PEMBELIAN BARANG DAN JASA DI D’BEAUTY LASH TEGAL Yui Saputri, Dhelia; Bahtiar, Agus
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.v8i2.8972

Abstract

Penjualan merupakan salah satu kegiatan yang dilakukan oleh perusahaan untuk mempertahankan pertumbuhan bisnis dan keuntungan yang diinginkan. Penjualan ada dua jenis yaitu penjualan jasa dan penjualan barang. Dari data yang diperoleh penjual perlu mengetahui faktor apa yang mempengaruhi konsumen dalam pembelian barang dan jasa secara online, dan langkah-langkah apa yang mungkin dapat diambil untuk meningkatkan penjualan secara online. Kesulitan dalam mengetahui faktor yang mempengaruhi konsumen untuk pembelian barang dan jasa secara online juga berpengaruh dalam mempromosikan barang dan jasa. Selain itu langkah-langkah yang diambil untuk terus meningkatkan penjualan barang dan jasa secara online juga sangat berpengaruh penting dalam penjualan di D’Beauty Lash Tegal. Maka dari itu. Metode yang akan diterapkan dalam penelitian ini yaitu dengan mengumpulkan data setelah itu mengolah data yang ada menggunakan algoritma naive bayes dengan fokus kepemesanan agar lebih tahu faktor yang mempengaruhi dan langkah-langkah yang dapat diambil dalam permasalahan tersebut. Tujuan penelitian ini untuk mengetahui faktor yang mempengaruhi konsumen dan langkah-langkah yang dapat diambil untuk meningkatkan penjualan secara online agar dalam pemasarannya lebih banyak menarik konsumen. Hasil penelitian yang didapatkan 96.30% konsumen lebih memilih pembelian secara online dengan faktor yang mempengaruhi konsumen untuk pembelian secara online yaitu karena banyaknya potongan harga yang cukup menggiurkan. Langkah-langkah yang dapat diambil untuk meningkatkan penjualan secara online yaitu dengan mempromosikan penjualan dengan cara yang lebih menarik, seperti memberikan diskon yang menggiurkan, dan juga dapat mempertahankan pelayanan yang telah diberikan kepada konsumen kemudian dapat ditingkatkan lagi pelayanan yang telah diberikan kepada konsumen.
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN PENERIMA BANTUAN SOSIAL TUNAI (BST) DI JAWA BARAT Dinda Anjani, Indri; Bahtiar, Agus
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.v8i3.8974

Abstract

Bantuan Sosial Tunai (BST) adalah program bantuan dari pemerintah yang diberikan kepada masyarakat yang kurang mampu dengan tujuan untuk membantu meringankan beban keluarga penerima BST tersebut. Namun bantuan yang telah diterima tidak sesuai dengan apa yang diharapkan, masih ada beberapa keluarga yang tidak mendapatkan manfaat dari adanya BST ini. Karena data yang didapatkan tidak akurat atau tidak lengkap, ditemukan beberapa kasus penerima BST yang tidak tepat sasaran. Analisis pengelompokkan penerima Bantuan Sosial Tunai (BST) berdasarkan lokasi dengan metode K-Means Clustering memiliki manfaat besar dalam meningkatkan efisiensi alokasi sumber daya dan menentukan penerima yang tepat sasaran di Jawa Barat. Dengan memahami pola distribusi penerima BST secara geografis, program bantuan sosial dapat dijalankan dengan lebih efektif untuk meningkatkan kesejahteraan sosial dan mengurangi tingkat kemiskinan di daerah tersebut. Data penelitian ini diambil dari opendata.jabarprov.go.id. Data ini mencakup lokasi penerima, jumlah penerima dan data pendukung lainnya. Kemudian pengelompokkan akan dilakukan dengan K-Means Clustering menggunakan RapidMiner. Dengan adanya penelitian ini bisa menambah pengetahuan dalam menganalisis data dengan menggunakan metode K-Means Clustering dalam pengambilan keputusan yang lebih bijak. Diharapkan dengan adanya penelitian ini bisa membantu pemerintah dalam mengalokasikan BST tersebut agar lebih efisien dan tepat sasaran kepada masyarakat yang benar-benar membutuhkan. Hasil analisis clustering dapat mengidentifikasi pola distribusi penerima BST berdasarkan dan lokasi geografis keluarga penerima BST. Penelitian ini bisa memberikan dampak positif bagi pemerintah atau lembaga terkait agar bisa lebih efisien dalam mendistribusikan BST agar lebih tepat sasaran.
IMPLEMENTASI METODE ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN TRANSAKSI PENJUALAN BARANG DI TOKO ARINO Adelina Bui, Maria; Bahtiar, Agus
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.v8i2.8975

Abstract

Penelitian ini bertujuan untuk meningkatkan efisiensi manajemen toko retail dengan menerapkan metode algoritma K-Means Clustering dalam mengelompokkan data transaksi penjualan barang di Toko Arino. K-Means Clustering dipilih sebagai algoritma utama karena kemampuannya dalam mengelompokkan data ke dalam cluster berdasarkan karakteristik yang serupa. Data transaksi penjualan barang yang dikumpulkan dari Toko Arino menjadi objek analisis utama. Metodologi penelitian melibatkan langkah-langkah pemrosesan data, seperti transformasi data, untuk memastikan keakuratan dan keterbacaan hasil analisis. Hasil dari pengelompokkan ini diharapkan dapat memberikan wawasan yang berharga terkait pola penjualan, preferensi pelanggan, dan penempatan optimal barang di dalam toko. Analisis dan evaluasi hasil implementasi dilakukan melalui metrik evaluasi kinerja K-Means, seperti SSE (Sum of Squared Errors) dan siluet index. Selain itu, dampak implementasi terhadap efisiensi manajemen toko dievaluasi melalui perbandingan kinerja sebelum dan sesudah penerapan algoritma.
PENGELOMPOKAN PRODUK PENJUALAN FROZEN FOOD CV SEMEKTA 3 BERSAUDARA TEGAL MENGGUNAKAN METODE ALGORITMA K-MEANS Muslimah Az-Zahro, Jihan; Bahtiar, Agus
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.v8i3.8976

Abstract

Dalam era bisnis yang kompetitif ini, analisis penjualan memiliki peran penting dalam mengoptimalkan strategi pemasaran. CV Semekta 3 Bersaudara merupakan perusahaan yang menjual produk frozen food, merasa perlu melakukan analisis produk penjualan untuk meningkatkan efektivitas operasional mereka. Untuk membantu perusahaan ini kita menggunakan metode k-means sebagai salah satu metode analisis cluster. CV Semekta 3 Bersaudara ini menghadapi sejumlah masalah seperti kurang efisiensi dalam pengelompokkan data produk antara produk yang diminati dan tidak diminati, banyak produk yang akhirnya membusuk di coolroom atau ruangan pendingin dan dibuang, kurangnya strategi penjualan untuk meminimalisir produk yang terbuang atau produk yang tidak terjual. Oleh karena itu, penulis akan melakukan penelitian yang menerapkan metode k-means, sebuah teknik analisis cluster yang akan digunakan untuk mengelompokkan produk. Lalu akan mengatur strategi penjualan produk untuk meminimalisir produk yang kurang diminati atau dibuang. Jadi, tujuan dari projek tugas akhir ini adalah untuk mengidentifikasi kelompok produk yang diminati oleh pelanggan. Dengan demikian, kita juga bisa meminimalisir adanya pembuangan sampah makanan dan mengurangi produk yang busuk di dalam pendingin. Selain itu, analisis cluster K-Means ini diharapkan dapat membantu perusahaan mengoptimalkan manajemen stok produk, sehingga mengurangi produk yang terbuang dan diharapkan akan membantu meningkatkan kinerja perusahaan di pasar frozen food yang kompetitif. Hasil penelitian iniadalah dapat mengetahui cara mengelompokkan produk menggunakan metode K-Means Clustering di aplikasi RapidMiner, dan hasil pengelompokkan menjadi 7 cluster dipilih dengan cara mmmembandingkan nila DBI diambil dari nilai yang optimal atau nilai terendah. Untuk meminimalisir produk yang tidak laku yaitu penjualan secara online, penerapan penawaran khusus, atau diskon besar untuk meningkatkan daya tarik produk tersebut
IMPLEMENTASI ALGORITMA NAÏVE BAYES TERHADAP PENERIMA KARTU INDONESIA PINTAR Agustin, Weni; Bahtiar, Agus
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.v8i2.8981

Abstract

Pentingnya peran Kartu Indonesia Pintar (KIP) sebagai program pemerintah untuk mendukung akses pendidikan bagi siswa berprestasi yang memiliki keterbatasan finansial. Analisis ini diharapkan dapat memberikan kontribusi terhadap perbaikan proses seleksi penerimaan KIP, sehingga dukungan finansial dapat disalurkan secara lebih dan tepat sasaran. KIP merupakan program bantuan pendidikan yang dirancang untuk mendukung siswa yang berperstasi dari latar belakang keterbatas ekonomi bertujuan untuk memberikan program tunjangan pendidikan. Dengan metode Algoritma Naïve Bayes bisa memudahkan dalam menghadapi penerimaan program bantuan pendidikan. Dalam mempengaruhi penerimaan Kartu Indonesia Pintar (KIP) termasuk nilai ujian, prestasi, penghasilan orantua,punya kartus sejenis seperti KIP, dan kepemilikan rumah yang ditempati. Dengan mengembangkan model yang dapat memprediksi penerimaan KIP dengan melihat tingkat akurasi yang tinggi menggunakan algoritma Naive Bayes. Oleh karena itu ada beberapa poin yang menjadi dasar penelitian ini untuk mengidentifikasi Penerimaan KIP melalui dengan Hasil tujuan yang pertama menganalisis dan menegevaluasi algoritma Naïve Bayes dalam menetukan penerimaan kartu Indonesia pintar (KIP). Dari hasil penentuan ada beberapa siswa yang lulus dan tidak lulus selain itu ada juga hasil prediksi atau bisa disebut memprediksi kemungkinan lulus dan tidak lulus. Pada gambar di 4.17 hasil dari proses penyeleksian menunjukan prediksi tidak lulus dengan keterangan true tidak lulus sekitar 112 siswa, dan prediksi yang true lulus sekitar 15 siswa. Dan prediksi lulus dengan keterangan true tidak lulus sekitar 23 siswa, yang true lulus sekitar 50 siswa. Dan terdapat nilai akurasi sebesar 81.00%. Dengan class recall yang true tidak lulus sebesar 82.96% sedangkan yang lulus calass recall nya hanya mendapatkan 76.92%. Dari hasil analisis tersebut bisa disimpulkan bahwa yang true tidak lulus mendapat angka paling tertinggi dengan class racall nya sebesar 82.96%. Dan hasil tujuan yang kedua Mengukur tingkat akurasi dari model prediktif yang dikembangkan menggunakan algoritma Naive Bayes pada dataset 1000 siswa. Hasilnya adaalah bisa dilihat Pada gambar 4.18 akurasi yang didapat adalah 81.00% dengan split data 80/20. dengan rincian Prediksi Tidak lulus dan True Tidak lulus sebesar 112, Prediksi lulus dan True lulus sebesar 15, Prediksi Lulus dan True Tidak sebesar 23, Prediksi Lulus dan True Lulus sebesar 50. Dengan class recall True Tidak Lulus sebesar 82.96% dan class recall True Lulus sebesar 76.92%.eksplorasi data fokus studi pada analisis pendaftaran KIP dan menekankan perlunya memahami dan memperbaiki proses yang menentukan penerimaan bantuan pendidikan penekanan pada penggunaan algoritma Naïve Bayes mencerminkan metode klasifikasi yang dipilih untuk mengembangkan model.

Page 168 of 384 | Total Record : 3835

 166   167   168   169   170 

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