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
 169   170   171   172   173 
KLASIFIKASI KONDISI FISIK MOBIL BEKAS MENGGUNAKAN ALGORITMA NEURAL NETWORK (NN) Sulaeman, Muhammad; Arie Wijaya, Yudhistira
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.v8i2.9020

Abstract

Penelitian ini fokus pada penilaian kinerja model Neural Network dalam membedakan kondisi fisik mobil bekas berdasarkan dataset dari Showroom Jual Beli Mobil Bekas CV. Mulya Sejahtera Motor. Metode yang digunakan dalam penelitian ini menggunakan algoritma neural network. Pengukuran dilakukan menggunakan metrik Area Under the Curve (AUC) dengan fokus khusus pada kelas "Baik". Dalam penelitian ini menghasilkan performance akurasi 98.52%. Hasil evaluasi menunjukkan tingkat keberhasilan yang sangat tinggi, dengan nilai AUC mencapai 0.992. Skor ini mendekati nilai sempurna (1), menggambarkan kemampuan model dalam membedakan antara mobil bekas dalam kondisi "Baik" dan kondisi lainnya. Model Neural Network mampu memprediksi dengan akurat kelas "Baik" dengan tingkat keakuratan yang signifikan. Meskipun AUC memberikan gambaran keseluruhan yang sangat positif, penelitian ini merekomendasikan validasi lebih lanjut menggunakan metrik lain seperti akurasi, presisi, recall, dan F1-score untuk mendapatkan gambaran komprehensif tentang kinerja model. Analisis lebih lanjut terhadap kesalahan model, pengoptimalan data untuk memastikan representasi yang seimbang dari setiap kelas, serta pertimbangan pengembangan lanjutan, diusulkan untuk memperbaiki dan meningkatkan model. Temuan ini memberikan kontribusi positif terhadap pengembangan aplikasi model Neural Network dalam mendukung industri jual beli mobil bekas. Keakuratan tinggi dalam membedakan kondisi fisik mobil dapat memberikan manfaat signifikan bagi pelanggan dan penjual, meningkatkan kepercayaan dalam proses pembelian dan penjualan kendaraan bekas.
ANALISIS PENGELOMPOKAN DATA APARATUR SIPIL NEGARA KABUPATEN CIREBON BERDASARKAN PERANGKAT DAERAH DAN USIA MENGGUNAKAN METODE K-MEANS CLUSTERING Mustofa Bisri, Mu'ammar; Kurniawan, Rudi
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.v8i2.9021

Abstract

Pengelolaan sumber daya manusia (SDM) di sektor pemerintahan, khususnya pada Aparatur Sipil Negara (ASN), memainkan peran yang signifikan dalam mendukung berbagai program dan kebijakan pemerintah daerah. Artikel ini bertujuan untuk mengatasi permasalahan terkait kurangnya pemahaman tentang struktur usia ASN di Kabupaten Cirebon. Kabupaten ini memiliki ASN yang menjadi komponen utama dalam menyelenggarakan layanan publik dan mendukung pembangunan daerah. Berdasarkan data Badan Kepegawaian dan Pengembangan Sumber Daya Manusia Kabupaten Cirebon, penelitian ini menggunakan metode K-Means Clustering untuk mengelompokkan data ASN berdasarkan perangkat daerah dan usia. Tujuan utama adalah menemukan nilai K yang optimal untuk memastikan hasil klasterisasi sesuai dengan struktur intrinsik dataset ASN. Penelitian ini menghasilkan 2 cluster dengan Davis Bouldin Index (DBI) sebesar 0.138 yang dapat memberikan wawasan baru terkait pola distribusi usia dan perangkat daerah pada ASN yang serupa. Sehingga dapat menjadi dasar strategis untuk mengoptimalkan alokasi ASN di berbagai unit perangkat daerah.
RAMALAN PENJUALAN RUMAH MENGGUNAKAN ALGORITMA LINEAR REGRESI DI TEBET JAKARTA SELATAN Khalda Rifdan, Ghina; Rahaningsih, Nining; Bahtiar, Agus; Ali, Irfan; Dienwati Nuris, Nisa
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.v8i2.9022

Abstract

Semakin meningkatnya perkembangan properti dari tahun ke tahun mengalami peningkatan yang sangat pesat, selain itu rumah juga merupakan kebutuhan primer bagi manusia untuk tempat berteduh. Ada satu lokasi diperkotaan yang cukup menarik perhatian, permintaan dan penawaran properti, khusunya rumah yang terdapat di Tebet Jakarta Selatan. Alhasil, Tebet, Jakarta Selatan, memiliki tingkat investasi yang tinggi dari berbagai lapisan masyarakat. Nilai tanah yang tinggi, rumah yang dibangun dengan baik, dan fasilitas umum yang memadai menjadi penyebab kenaikan harga setiap tahunnya. Sementara itu, sejumlah hipotesis komponen atau variabel yang menentukan harga tidak dapat dianggap sebagai satu-satunya penyebab kenaikan. Oleh karena itu, dibutuhkan sistem yang dapat memperkirakan nilai pada variabel yang dapat membantu calon pembeli. Maka dari itu penelitian dengan menggunakan algoritma linear regresi dapat memprediksi harga rumah. Metode statistik yang disebut regresi linier digunakan untuk mengkarakterisasi hubungan linier yang terjalin antara satu atau lebih variabel bebas (X) dan variabel terikat (Y). Tujuan pada penelitian ini yaitu untuk menerapkan prediksi penjualan rumah dengan menggunakan metode Regresi Linier. Hasil prediksi harga jual rumah dengan menggunakan metode regresi linear dari harga 35,000 dan terprediksi sekitar 31,000 dari harga jual, di tahun sebelumya. Hasil Root_Mean_Squared_Error (RMSE) pada Performance Regresi Linear ini menunjukan : 3326.243 +/- 0.000.
ANALISIS USER EXPERIENCE PADA FITUR PEMBAYARAN QRIS MENGGUNAKAN METODE USER QUESTIONNAIRE (UEQ) Oktavia, Gita; Voutama, Apriade; Ali Ridha, Azhari
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.v8i2.9023

Abstract

Pembayaran elektronik telah menjadi tren dominan dalam dunia keuangan modern, memfasilitasi transaksi yang cepat, mudah, dan aman. Dalam konteks Indonesia. Quick Response Code yang sering disebut QRIS merupakan fitur pembayaran yang menggunakan metode barcode Bank Indonesia. Tujuan penelitian ini adalah menganalisis perubahan pengalaman pengguna (User Experience) dengan menggunakan metode User Experience Questionnaire (UEQ). Ambang batas reliabilitas penelitian ini ditentukan dengan menggunakan User Experience Questionnaire (UEQ) yang mencakup enam kriteria penilaian: daya tarik (Attractiveness), efisien (Efficiency), kejelasan (Perspicuity), ketepatan (Dependability), Stimulasi (Stimulation), dan kebaruan (Novelty). Data yang dikumpulkan melalui google formulir dengan respon yang dapat digunakan dari 15 responden. Responden merupakan subjek atau orang yang diduga menggunakan fitur QRIS. Hasil kuesioner User Experience Questionnaire (UEQ) menghasilkan skor 0,8. Dalam hal ini, rata-rata impresi lebih dari 0,8 menunjukkan peringkat positif bahwa responden memiliki sikap positif terhadap fitur pembayaran QRIS.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM PENGELOMPOKAN DATA KERUSAKAN RUMAH AKIBAT BENCANA ALAM DI KABUPATEN CIREBON Maulana, Ajay; Danar Dana, Raditya; Dienwati Nuris, Nisa
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.v8i2.9024

Abstract

Kerusakan rumah adalah tidak berfungsinya rumah atau komponen rumah akibat penyusutan atau berakhirnya umur rumah, atau akibat ulah manusia atau perilaku alam seperti beban fungsi yang berlebih, kebakaran, gempa bumi, atau sebab lain yang sejenis. Dampak dari bencana ini tidak hanya mencakup kerugian harta benda, tetapi juga berdampak besar terhadap masyarakat, ekonomi, dan lingkungan. Masalah kerusakan rumah di Kabupaten Cirebon sangat bervariasi, mulai dari kerusakan ringan hingga rusak berat. Penelitian ini mengambil pendekatan Knowledge Discovery in Databases (KDD) untuk mengatasi masalah ini adalah dengan menerapkan algoritma K-Means Clustering untuk menentukan data kerusakan rumah terbanyak berdasarkan jenis kerusakan dan mencari nilai DBI teroptimal. Tujuan dari tugas akhir ini adalah mengimplementasikan algoritma K-means Clustering untuk pengelompokan kerusakan rumah akibat bencana alam di Kabupaten Cirebon berdasarkan jenis kerusakan menggunakan algoritma K-Means Clustering. Selain itu, penelitian ini bertujuan untuk menentukan nilai DBI. Hasil tugas akhir ini cluster 0 terdiri dari Rusak Ringan sebanyak 78, Rusak Sedang 78, Rusak Berat 78, Terendam 78, Terancam 78, dan Tertimbun 78. Sementara itu, cluster 1 terdiri dari ringan rusak 2, rusak sedang 2, berat rusak 2, Terendam 2, Terancam 2, dan Tertimbun 2. dan nilai DBI teroptimal adalah 0,025 dimana dari K-2 =0,025, K-3 =0,083, K-4 =0,026, K-5 =0,059, K-6=0,053, K-7=0,051, K-8=0,041, K-9=0,046, K-10=0,039 jadi nilai DBI paling optimalnya adalah 0,025.
PENERAPAN POLA PENJUALAN DENGAN MENGGUNAKAN METODE ALGORITMA ASOSIASI FP-GROWTH BERTUJUAN UNTUK MENINGKATKAN PENJUALAN KOPI DI POINT COFFEE Juwita, Ita; 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.v8i2.9025

Abstract

perkembangan industri kafe, dengan fokus pada keterlibatan Point Caffee, yang menghadapi penurunan tingkat penjualan di tengah persaingan sengit. Perubahan preferensi konsumen, ketatnya persaingan, dan dinamika pasar yang cepat menjadi konteks utama dalam penelitian ini.Tantangan utama yang dihadapi Point Caffee adalah menanggapi perubahan preferensi konsumen dan bersaing dalam pasar yang dinamis. Penurunan penjualan menjadi isu kritis yang perlu diatasi.Penelitian ini bertujuan untuk meningkatkan daya saing dan kepercayaan konsumen Point Caffee melalui penerapan algoritma asosiasi fp-growth pada transaksi penjualan kopi. Fokusnya adalah mengidentifikasi pola pembelian yang signifikan untuk memperkuat strategi penjualan. Metode fp-growth digunakan untuk menganalisis transaksi penjualan, mengungkap kombinasi produk dengan korelasi tinggi. Keberhasilan strategi penjualan dievaluasi dengan mengukur tingkat korelasi dan kepercayaan dari kombinasi produk yang diidentifikasi.Temuan menunjukkan beberapa kombinasi produk dengan korelasi tinggi, seperti Caramel Macchiato, Flate White, Caffee Dolce, dan Roselle. Kombinasi produk lainnya, seperti Black Tea, Matcha, Cappuccino, dan Mocca, juga memiliki hubungan sangat kuat. Dengan mempertimbangkan hasil ini, Point Caffee dapat memperkuat strategi penjualan dan meningkatkan potensi penjualan melalui paket atau promosi bersama.
IMPLEMENTASI ALGORITMA X-MEANS UNTUK MENGELOMPOKAN PENJUALAN BARANG DI CILEDUG STORE Tanti, Tanti; M Basysyar, Fadhil
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.v8i2.9026

Abstract

Dalam menghadapi era mobilitas yang semakin berfokus pada keberlanjutan, kendaraan listrik, khususnya sepeda listrik, muncul sebagai solusi inovatif untuk mendukung masa depan transportasi yang ramah lingkungan. Perusahaan Ciledug Store memiliki kebutuhan untuk memahami pola penjualan sepeda listrik agar dapat mengoptimalkan strategi pemasaran dan persediaan. Oleh karena itu, penelitian ini bertujuan untuk mengelompokkan penjualan barang menggunakan algoritma X-Means, dengan fokus pada kendaraan listrik. Penelitian ini bertujuan untuk menerapkan algoritma X-Means dalam mengelompokkan penjualan sepeda listrik berdasarkan data penjualan di Perusahaan Ciledug Store. Hasil dari penelitian ini diharapkan dapat memberikan wawasan yang berharga terkait preferensi konsumen terhadap jenis sepeda listrik berdasarkan karakteristik baterai. Penelitian ini menggunakan pendekatan Knowledge Discovery In Database dengan menggunakan Algoritma X-Meansuntuk mengelompokkan data penjualan, mengatasi kendala K-Means clustering terkait jumlah cluster yang perlu diketahui sebelumnya. Penelitian ini mencakup periode September-Desember 2023 dengan total 472 data penjualan. Penerapan algoritma X-Means menghasilkan empat cluster. Cluster 0, dengan 451 data produk yang terjual, menunjukkan bahwa sepeda listrik berbaterai 48V/12Ah termasuk dalam kategori laris. Sementara Cluster 1 (13 data), Cluster 2 (2 data), dan Cluster 3 (6 data) menunjukkan sepeda listrik dengan baterai 48V/20Ah, 72V/20Ah, dan 36V/12Ah masuk dalam kategori kurang laris. Davies Bouldin Score yang dihasilkan sebesar 0,220.
KLASTERISASI DATA BALITA STUNTING DI KECAMATAN WILAYAH KABUPATEN CIAMIS BERDASARKAN PREVALENSI DENGAN MENGGUNAKAN ALGORITMA K-MEANS: Klasterisasi Data Stunting Kabupaten Ciamis Rahman Sahputra, Rizky; Kurniawan, Rudi
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.v8i2.9027

Abstract

Stunting adalah gangguan pertumbuhan dan perkembangan yang terjadi pada anak di bawah usia 5 tahun, ditandai dengan tinggi badan yang tidak sesuai dengan usianya. Stunting masih menjadi masalah gizi utama di Indonesia, dengan angka stunting nasional sebesar 24,4% pada tahun 2021. Berdasarkan data Pemerintahan Provinsi Jawa Barat, pada tahun 2022 Kabupaten Ciamis memiliki persentase balita stunting sebesar 2,74%. Faktor penyebab stunting diantaranya asupan gizi yang tidak mencukupi, infeksi, dan faktor sosial ekonomi. Saat ini di Kabupaten Ciamis, diperlukan klasterisasi kecamatan berdasarkan prevalensi stunting. Ini bertujuan untuk menentukan prioritas kecamatan yang perlu mendapatkan perhatian khusus dalam upaya pencegahan dan penanganan stunting. Metodologi yang digunakan pada penelitian ini yaitu knowledge discovery in database dengan algoritma K-Means. Data yang digunakan adalah data stunting dan prevalensi stunting dari 27 kecamatan di Kabupaten Ciamis, yang bersumber dari Dinas Kesehatan Kabupaten Ciamis. Tujuan penelitian ini adalah untuk mengklasterkan kecamatan di Kabupaten Ciamis berdasarkan prevalensi stunting, menjadi tiga kelompok. Klasterisasi kecamatan berdasarkan prevalensi stunting dapat membantu Pemerintah Daerah untuk menentukan kecamatan mana yang perlu ditangani secara lebih intensif. Hasil penelitian ini adalah klaster data stunting tingkat rendah dengan <10%, tingkat menengah dengan 10%-20% dan tingkat tinggi dengan >20%, yang disajikan dalam bentuk Visualisasi Data sehingga mudah dibaca.
PENERAPAN DATA MINING UNTUK MENENTUKAN PENERIMA BANTUAN BLT MENGGUNAKAN METODE CLUSTERING K-MEANS PADA DESA PAMULIHAN Dwiguna, Eddiwan; 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.v8i2.9029

Abstract

Penggunaan metode Clustering K-means dalam Data Mining untuk menentukan penerima Bantuan Langsung Tunai (BLT) terus berkembang seiring dengan kemajuan ketersediaan data, teknologi, dan kesadaran akan efisiensi dan akurasi dalam pengelolaan program bantuan sosial. Proses manual dalam menentukan penerima BLT di Desa Pamulihan dinilai tidak transparan, kurang efisien, dan dapat menimbulkan ketidakpuasan di kalangan penduduk. Keberlanjutan program BLT juga terkendala oleh ketidakjelasan kriteria penentuan penerima, keterbatasan sumber daya finansial, dan potensi risiko kecurangan. Penelitian ini difokuskan pada penerapan K-means Clustering dengan mempertimbangkan penentuan kriteria penerima, optimalitas pengelompokan, evaluasi model, etika dan keadilan proses, serta pengelolaan data dan keamanan privasi. Tujuan utama dari penelitian ini adalah membangun model Data Mining menggunakan metode Clustering K-means untuk mengidentifikasi calon penerima bantuan BLT di Desa Pamulihan. Hasil penelitian di peroleh pengelompokkan terbaik adalah K9 dengan nilai Davies bouldin index (DBI) sebesar 0.745, nilai tersebut paling optimal karena mendekati angka 0 serta menghasilkan cluster data dengan jumlah data terbanyak adalah cluster 0, yang terdiri dari 50 data yang terdiri dari 14 data penerima, 15 data bukan penerima, dan 21 data dipertimbangkan jumlah data paling sedikit adalah cluster 2, yang terdiri dari 16 data yaitu penerima 15 dan bukan penerima 1.
ANALISIS CLUSTER STOK PRODUK PT. PANJUNAN DENGAN METODE K-MEANS Pebriyanto, Ramdhan; Arie Wijaya, Yudhistira
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.v8i3.9039

Abstract

Penelitian ini membahas analisis stok produk di PT. Panjunan menggunakan metode k-means untuk mengelompokkan barang ke dalam kategori dengan karakteristik serupa. Fokus penelitian adalah pemahaman mendalam terhadap perbedaan dan persamaan antar produk yang dijual oleh perusahaan retail ini. Melalui pengumpulan dan analisis data stok barang, penelitian ini bertujuan untuk mengidentifikasi pola, perilaku, dan karakteristik mendasar yang mempengaruhi persediaan.Metode K-Means digunakan untuk mengelompokkan produk berdasarkan karakteristik serupa. Penelitian ini mengidentifikasi enam klaster, masing-masing menampilkan karakteristik kuantitas item, kemasan, dan tingkat stok yang berbeda. Analisis centroid mengungkapkan atribut spesifik untuk setiap klaster. Klaster 6 menonjol dengan rata-rata 147,33 item, jumlah Karton yang rendah sekitar 9,30, rata-rata Bag/Pax 11,36, Pieces (PCS) minimal, rata-rata Stok Karton sekitar 399,58, dan rata-rata Stok Bag/Pax sekitar 2,06. Pentingnya, Klaster 6 mencapai nilai Davies Bouldin Index (DBI) terendah sebesar 0,412, menandakan tingkat homogenitas yang tinggi dalam klaster tersebut. Trend penurunan nilai DBI dengan peningkatan jumlah klaster menunjukkan pemisahan dan pengelompokan data yang semakin baik. Pemilihan klaster optimal terjadi pada k=6, memberikan wawasan berharga tentang dinamika persediaan perusahaan. Penelitian ini memberikan kontribusi pada PT Panjuna dalam pengambilan keputusan, memungkinkan pengelolaan persediaan yang lebih efisien dan berbasis informasi.

Page 171 of 384 | Total Record : 3835

 169   170   171   172   173 

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