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
 327   328   329   330   331 
DETEKSI OBJEK BERBASIS YOLOV8 UNTUK MENDUKUNG KESELAMATAN KERJA DI LOKASI KONSTRUKSI Pusparina A, Rianda; Rahmadewi, Reni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13257

Abstract

Industri konstruksi memiliki risiko tinggi terhadap kecelakaan akibat kurangnya pengawasan dan kepatuhan terhadap prosedur keselamatan. Pekerja sering mengabaikan penggunaan alat pelindung diri (APD), sementara pengelolaan mesin berat yang tidak tepat meningkatkan potensi bahaya. Teknologi deteksi objek menjadi solusi inovatif untuk meningkatkan pengawasan di lingkungan kerja. Penelitian ini mengembangkan model YOLOv8 untuk mendeteksi dua kategori utama, yaitu APD dan mesin konstruksi, guna meningkatkan keselamatan di lokasi kerja. Berdasarkan data uji, model mencapai akurasi deteksi sebesar 0.85 untuk kelas keselamatan dan 0.87 untuk kelas mesin konstruksi. Percobaan deteksi berulang menunjukkan konsistensi yang baik dalam mengenali objek, meskipun terdapat sedikit variasi nilai confidence. Hasil ini membuktikan bahwa YOLOv8 mampu mendeteksi objek secara akurat dan stabil, sehingga dapat membantu dalam pemantauan kepatuhan terhadap prosedur keselamatan serta pengelolaan risiko penggunaan mesin berat. Implementasi sistem ini diharapkan dapat meningkatkan standar keselamatan kerja dan efisiensi operasional di industri konstruksi.
INDIKATOR TRANSPARANSI KAMPANYE DONASI PADA WEBSITE DONASI ONLINE Idris, Moh.
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13263

Abstract

Untuk membangun kepercayaan publik dan mencegah penyalahgunaan dana, transparansi dalam pengelolaan dana donasi online sangatlah penting. Di Indonesia, transparansi donasi online menjadi isu penting karena beberapa kasus penyalahgunaan dana yang mengurangi kepercayaan masyarakat terhadap platform donasi, misalnya donasi yang tidak sepenuhnya tidak disalurkan, penyalahgunaan dana donasi, hingga munculnya donasi-donasi fiktif. Tujuan dari penelitian ini adalah untuk menentukan indikator transparansi apa saja yang seharusnya diterapkan dalam sistem donasi online serta menilai kinerjanya pada 12 platform donasi online di Indonesia. Indikator yang diteliti mencakup identifikasi pihak penggalang dana, informasi misi dan tujuan penggalangan dana, akses ke laporan dana yang masuk, frekuensi pembaruan informasi, laporan penggunaan dana secara detail, transparansi biaya administrasi, anonimitas donatur, dan nomor unik transaksi. Penelitian ini dimulai dengan mengumpulkan data berupa platform donasi online yang ada di Indoensia, penyaringan data platform donasi yang kemudian akan dianalisis sesuai dengan indikator-indokator transparansi web donasi online yang digunakan dan terakhir berupa diskusi analisis temuan-temuan yang ada. Temuan penelitian menunjukkan bahwa, dibandingkan dengan platform milik institusi/lembaga, platform donasi berbasis crowdfunding lebih unggul dalam menyediakan data penggunaan dana secara mendetail dan pembaruan yang lebih sering. Namun, terdapat beberapa kekurangan yang tercatat, seperti penerapan nomor transaksi unik yang tidak merata dan kurangnya transparansi mengenai biaya administrasi. Penelitian ini menekankan bahwa penggunaan indokator-indikator transparansi secara rutin dapat meningkatkan akuntabilitas dan kepercayaan publik terhadap platform donasi online.
PERANCANGAN SISTEM ADMINISTRASI PEMBAYARAN SPP BERBASIS WEB PADA MI BINA QUR’ANI KARAWANG Ramdani, Aldi; Amelia, Hilda; Siti Latifah, Ila; Jaenudin, Jaenudin; Fajar Ramadhan, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13266

Abstract

Perkembangan teknologi informasi yang pesat membuka peluang besar dalam meningkatkan efisiensi administrasi sekolah, terutama dalam pengelolaan pembayaran SPP. Namun, MI Bina Qur’ani Karawang masih menggunakan sistem manual, yang menyebabkan pencatatan kurang akurat, administrasi lambat, serta tingginya risiko kesalahan data. Ketiadaan sistem terintegrasi memperumit pencatatan dan pelaporan, menghambat pelacakan pembayaran, serta mengurangi transparansi bagi sekolah dan orang tua siswa. Untuk mengatasi masalah ini, penelitian ini mengembangkan sistem pembayaran SPP berbasis web guna meningkatkan efisiensi administrasi, mempercepat transaksi, serta memastikan transparansi pengelolaan keuangan. Metode Spiral diterapkan untuk evaluasi dan penyempurnaan bertahap, sementara pengujian menggunakan Black Box Testing memastikan setiap fitur berfungsi sesuai spesifikasi. Hasil penelitian menunjukkan sistem ini mampu mempercepat administrasi pembayaran, mengurangi kesalahan pencatatan, dan meningkatkan aksesibilitas informasi, sehingga pengelolaan biaya pendidikan menjadi lebih transparan, sistematis, serta efisien dalam mendukung manajemen keuangan sekolah.
PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI ALIBABA DI GOOGLE PLAY STORE Rahmat, Rahmat; Rahim, Abdul; Arbansyah, Arbansyah
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13269

Abstract

Alibaba Group adalah perusahaan asal China yang telah memperluas jangkauannya ke pasar internasional, termasuk Indonesia. Dengan semakin banyaknya ulasan produk di Alibaba. Menghadapi masalah dengan semakin banyaknya ulasan produk yang sulit untuk dikelola dan dianalisis secara manual. Hal ini bisa menyebabkan penurunan kualitas layanan dan menyulitkan Alibaba dalam bersaing di pasar e-commerce yang ketat. Untuk itu, analisis sentimen menjadi penting agar Alibaba bisa lebih memahami apa yang diinginkan pelanggan, meningkatkan kualitas layanan, dan tetap kompetitif. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Naïve Bayes dan Support Vector Machine dalam analisis sentimen ulasan pengguna aplikasi Alibaba yang diambil dari Google Play Store pada periode Februari 2022 hingga Desember 2024. Sebanyak 10.000 ulasan diproses melalui teknik web scraping dan diklasifikasikan menjadi sentimen positif dan negatif. Proses ini mencakup tahapan preprocessing seperti Case Folding, Stopword Removal, Tokenizing, dan Stemming untuk memastikan data siap digunakan. Hasil pengujian menunjukkan bahwa algoritma Suppot Vector Meachine memiliki keunggulan dalam analisis sentimen positif dengan akurasi sebesar 88,48%, precision 88,95%, recall 99,09%, dan f1-score 93,75%. Sebagai perbandingan, Naïve Bayes memiliki akurasi 87,46%, precision 87,47%, recall 99,93%, dan f1-score 93,29% pada sentimen positif. Namun, pada sentimen negatif, Naïve Bayes lebih unggul dalam precision sebesar 83,33%, sedangkan Support Vector Meachine memiliki f1-score lebih tinggi yaitu 26,08%. Secara keseluruhan, Support Vector Meachine lebih unggul dalam menganalisis sentiment ulasan pada aplikasi alibaba. Temuan ini memberikan wawasan bagi pengembang aplikasi Alibaba untuk memilih algoritma yang sesuai guna meningkatkan analisis sentimen dan mendukung pengambilan keputusan strategis.
PENYUSUNAN ENTERPRISE ARCHITECTURE PLANNING DALAM PENGEMBANGAN METAVERSE PADA INSTITUSI JAKARTA UTARA Amanda Ginting, Jusia; Ngurah Suryantara, I Gusti; Sakti Lee, Francka
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13270

Abstract

Metaverse merupakan dunia virtual tiga dimensi yang menawarkan pengalaman interaktif melalui avatar digital. Dalam konteks pendidikan, metaverse dapat meningkatkan pengalaman belajar kolaboratif dan keterlibatan mahasiswa. Penelitian ini bertujuan untuk mengembangkan arsitektur metaverse pada Institusi Jakarta Utara menggunakan kerangka kerja Enterprise Architecture Planning (EAP). Pendekatan EAP mencakup berbagai aspek, seperti visi dan strategi, arsitektur bisnis, arsitektur informasi, arsitektur aplikasi, arsitektur teknologi, serta manajemen proyek dan tata kelola. Hasil penelitian menunjukkan bahwa penerapan EAP dapat menciptakan lingkungan belajar yang inovatif dan berkelanjutan. Penggunaan metaverse di Institusi Jakarta Utara berhasil memfasilitasi pembelajaran yang lebih efektif dan fleksibel, memungkinkan partisipasi mahasiswa dalam simulasi interaktif, laboratorium virtual, dan kolaborasi proyek tanpa batasan geografis. Faktor kunci keberhasilan ini meliputi resolusi visual yang tinggi, kecepatan frame yang stabil, serta desain lingkungan virtual yang intuitif dan ergonomis. Implementasi ini juga berhasil mengurangi ketidaknyamanan fisik dan motion sickness yang sering dialami pengguna dalam lingkungan virtual. Kesimpulannya, arsitektur metaverse berbasis EAP memberikan kontribusi signifikan terhadap peningkatan kualitas pendidikan di Institusi Jakarta Utara, dengan menyediakan platform pembelajaran yang dinamis dan relevan dengan kebutuhan era digital.
IMPEMENTASI ALGORITHMA YOLO UNTUK DETEKSI JUMLAH PENGUNJUNG DIDALAM GEDUNG Rizki Kurniawan, Alnando; Budiarso, Zuly; Ardhianto, Eka
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13271

Abstract

Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan sistem deteksi jumlah pengunjung menggunakan algoritma YOLO (You Only Look Once). Latar belakang penelitian ini adalah meningkatnya kebutuhan akan sistem pemantauan yang efektif di tempat umum untuk menjamin keamanan dan kenyamanan pengunjung. Metode yang digunakan dalam penelitian ini meliputi observasi, pengumpulan data, dan pengujian model YOLO dengan berbagai dataset. Pengujian dilakukan terhadap 10 dataset yang berbeda, menghasilkan rasio deteksi yang bervariasi antara 31,58% hingga 78,57%, dengan rata-rata deteksi mencapai 54,57%. Waktu deteksi berkisar antara 402 ms hingga 832 ms, menunjukkan bahwa algoritma ini cukup cepat dalam melakukan analisis secara real-time.Namun, terdapat tantangan dalam kondisi kepadatan tinggi dan saat objek saling tumpang tindih, yang dapat menurunkan akurasi deteksi. Oleh karena itu, diperlukan peningkatan kualitas dataset, penerapan teknik augmentasi data, serta eksplorasi model YOLO yang lebih baru, seperti YOLOv5 atau YOLOv7. Selain itu, optimalisasi parameter melalui proses fine-tuning juga dapat meningkatkan akurasi dan efisiensi sistem. Implementasi teknologi ini berpotensi digunakan dalam berbagai lingkungan, seperti pusat perbelanjaan, stasiun, bandara, gedung perkantoran, dan tempat umum lainnya untuk meningkatkan efisiensi serta keamanan. Dengan pengembangan lebih lanjut, sistem ini dapat menjadi solusi cerdas dalam manajemen jumlah pengunjung secara otomatis, membantu pengelola tempat umum dalam mengambil keputusan berbasis data yang lebih akurat dan real-time.
KLASIFIKASI SENTIMEN ULASAN PENGUNJUNG LAWANG SEWU DI GOOGLE MAPS MENGGUNAKAN K-NEAREST NEIGHBOR Bambang Wiranto, Joko; Zuliarso, Eri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13272

Abstract

Analisis sentimen digunakan untuk mengidentifikasi opini dalam ulasan daring. Lawang Sewu sebagai destinasi wisata bersejarah di Semarang memiliki banyak ulasan di Google Maps yang mencerminkan pengalaman pengunjung. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan menggunakan K-Nearest Neighbor (KNN). Data dikumpulkan dengan web scraping menggunakan SerpAPI dan diproses melalui text preprocessing seperti cleaning, case folding, stemming, dan stopword removal. Label sentimen ditentukan berdasarkan rating, yaitu positif, negatif, dan netral. Model KNN diterapkan untuk klasifikasi dan dievaluasi dengan confusion matrix. Hasil penelitian menunjukkan bahwa 52,8% ulasan bersentimen positif, 27,4% negatif, dan 19,8% netral. Model mencapai akurasi 64% dengan F1-score rata-rata 0,60, tetapi mengalami kendala dalam membedakan sentimen netral. Oleh karena itu, disarankan penggunaan teknik feature weighting seperti TF-IDF atau eksplorasi algoritma lain seperti Support Vector Machine (SVM) untuk meningkatkan akurasi klasifikasi.
PERANCANGAN DESAIN UI/UX PENDATAAN STOCK BARANG PADA EKA JAYA KOMPUTER DENGAN MENGGUNAKAN METODE USER CENTERED DESIGN Rasmila, Rasmila; Novrianda, Rahmat; Amalia, Rahayu; Ardiansyah, Ari
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13276

Abstract

Perkembangan teknologi yang pesat menuntut perusahaan untuk mengadaptasi solusi digital yang efektif, terkhusus pada perusahaan yang bergerak di bidang teknologi dan layanan komputer, sistem stock barang tentu menjadi hal yang sangat penting sehingga perlu sebuah rancangan sebuah sistem untuk merealisasikan hal tersebut, termasuk dalam desain antarmuka (User Interface) dan pengalaman pengguna (User eXperience). Penelitian ini bertujuan untuk merancang desain UI/UX pada Sistem Pendataan Stock Barang Pada Eka Jaya Komputer dengan menggunakan metode User-Centered Design. Metode ini dipilih karena menitikberatkan pada kebutuhan, preferensi, dan ekspektasi pengguna dalam setiap tahap pengembangan desain. Proses perancangan melibatkan beberapa tahapan, dimulai dari analisis pengguna, pembuatan user persona, identifikasi pain points, perancangan information architecture, user flow, hingga pembuatan wireframe dan prototyping. Pengujian usability dilakukan menggunakan evaluasi dari Aplikasi yaitu bernama Maze Version – Testing Test, yang menghasilkan skor kepuasan pengguna sebesar 94% dengan hanya 9 kesalahan (of block) dari 17 responden yang dihadirkan. Hasil penelitian ini tentunya menunjukkan bahwa penerapan metode UCD pada Sistem Pendataan Stock Barang Pada Eka Jaya Komputer dapat meningkatkan efisiensi dan efektivitas interaksi pengguna dengan sistem yang telah di bangun, serta menghasilkan desain UI/UX yang lebih intuitif dan responsif.
STUDI KOMPARATIF ALGORITMA MACHINE LEARNING PADA ANALISIS SENTIMEN MEDIA SOSIAL Panjaitan, Febriyanti; Ce, Win; Oktafiandy, Hery; Kanugrahan, Ghanim; Ramdhani, Yudi; Hafizh Cahaya Putra, Vito; Permai, Antika
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13277

Abstract

Analisis sentimen di Twitter telah menjadi salah satu topik utama dalam penelitian terkait opini publik di bidang ekonomi, politik, dan isu sosial. Penggunaan machine learning dalam analisis sentimen memungkinkan untuk memproses data teks secara efisien. Penelitian ini bertujuan untuk mengeksplorasi literatur terkait analisis sentimen menggunakan metode machine learning pada Twitter dalam konteks ekonomi, politik, dan isu sosial. Metode yang digunakan adalah Systematic Literature Review (SLR), dengan pengumpulan artikel dari tiga database utama: IEEE Xplore, Google Scholar, dan Scopus. Setelah menerapkan kriteria inklusi dan eksklusi, 45 artikel relevan terpilih untuk dianalisis. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) memiliki performa terbaik dengan akurasi rata-rata 85.3%, diikuti oleh Random Forest (83.7%) dan Naïve Bayes (81.5%). KNN dan Decision Tree menunjukkan performa lebih rendah, kemungkinan karena sensitivitas terhadap data yang tidak seimbang. Tren penelitian mengindikasikan bahwa analisis sentimen di bidang ekonomi lebih banyak berkaitan dengan dampak kebijakan ekonomi, di bidang politik fokus pada opini publik terkait pemilu dan kebijakan pemerintah, sementara di bidang isu sosial berkaitan dengan gerakan sosial dan kebijakan kesehatan.
IMPLEMENTASI ALGORITMA SVM DAN OPTIMASI MENGGUNAKAN KOMPARASI N-GRAM DAN GLOVE PADA SENTIMEN PENGGUNA APLIKASI ACCESS BY KAI Kusuma Wardana, Raka; Cahyono, Nuri; Uyock Anggoro Saputro; Arifiyanto Hadi Negoro; Nur Aini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13284

Abstract

Analisis sentimen memiliki peran penting dalam memahami opini pengguna, khususnya dalam meningkatkan kualitas layanan digital. Penelitian ini berfokus pada optimasi klasifikasi sentimen menggunakan Support Vector Machine (SVM) dengan pendekatan N-Gram dan Word Embedding GloVe terhadap ulasan pengguna aplikasi Access by KAI. Permasalahan utama yang dihadapi adalah bagaimana meningkatkan akurasi klasifikasi sentimen agar lebih optimal dalam mengidentifikasi keluhan dan preferensi pengguna. Dataset yang digunakan terdiri dari 1.718 ulasan pengguna yang telah dilabeli secara manual ke dalam kategori positif dan negatif. Metode penelitian mencakup pengumpulan data, preprocessing, ekstraksi fitur, pemodelan SVM, dan evaluasi kinerja. Hasil penelitian menunjukkan bahwa pendekatan N-Gram berbasis TF-IDF menghasilkan akurasi terbaik sebesar 84,88%, mengungguli metode GloVe yang hanya mencapai 79,65%. Selain itu, pemodelan SVM tanpa optimasi menghasilkan akurasi 83,43%. Perbandingan ini menegaskan bahwa pemilihan metode ekstraksi fitur yang tepat berpengaruh signifikan terhadap performa klasifikasi. Temuan penelitian juga mengungkap bahwa sentimen negatif mendominasi dengan persentase 51,7%, yang mencerminkan tantangan dalam performa dan fitur aplikasi.

Page 329 of 384 | Total Record : 3835

 327   328   329   330   331 

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