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
 345   346   347   348   349 
PENERAPAN VIGENERE CIPHER DALAM MELINDUNGI DATA CITRA RONTGEN Arbain, Arbain; Fadlan, Muhammad; Praseptian M, Dikky
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13628

Abstract

Dalam dunia medis, citra rekam medis, seperti hasil pemeriksaan radiologi (rontgen), memegang peranan penting dan memerlukan perlindungan terhadap ancaman pemalsuan dan penyalahgunaan data. Seiring dengan perkembangan teknologi informasi, ancaman terhadap keamanan data citra semakin meningkat, tidak terkecuali citra rontgen. Vigenère cipher merupakan algoritma kriptografi klasik berbasis teknik substitusi, telah banyak digunakan untuk melindungi data, terutama data teks. Dalam penelitian ini, Vigenère cipher diterapkan untuk mengenkripsi dan mendekripsi citra, yakni citra rontgen. Hasil penelitian menunjukkan bahwa penerapan Vigenère cipher dalam kriptografi citra rontgen dapat dilakukan dengan baik. Proses enkripsi berhasil membuat citra rontgen menjadi tidak terlihat dengan jelas, meskipun citra tersebut tetap dapat ditampilkan, namun dengan perbedaan dari citra aslinya. Hal ini disebabkan oleh perubahan nilai RGB pada citra rontgen yang dienkripsi. Namun, eksperimen enkripsi dan dekripsi menunjukkan bahwa citra rontgen dapat kembali ke bentuk aslinya dengan sempurna, yang membuktikan bahwa proses enkripsi dan dekripsi berjalan dengan baik.
ANALISA USER EXPERIENCE APLIKASI MCDONALD’S MENGGUNAKAN METODE USABILITY TESTING PADA CABANG JATIASIH Indrawati, Fauziah; Nur Sulistyowati, Daning
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13639

Abstract

Aplikasi Mcdonald’s merupakan aplikasi yang diluncurkan oleh perusahaan Mcdonald’s untuk memudahkan pengguna dalam melakukan pemesanan produk Mcdonald’s. Banyaknya ulasan pengguna yang merasa tidak puas pada aplikasi ini menjadi alasan utama pengujian terhadap aplikasi ini dilakukan. Usability Testing merupakan suatu metode evaluasi yang digunakan untuk mengukur kegunaan, kepuasan pengguna, hingga menemukan masalah dari suatu sistem yang diujikan. Penelitian ini juga dilakukan menggunakan metode System Usability Scale (SUS) untuk mengukur tingkat kepuasan pengguna melalui kuesioner. Penelitian ini bertujuan untuk mengevaluasi tingkat usability aplikasi McDonald's melalui usability testing dan metode System Usability Scale (SUS). Dengan melibatkan 100 responden, penelitian ini menemukan bahwa skor SUS rata-rata aplikasi McDonald's berada pada kategori marginal-high, yang menandakan masih dibutuhkan untuk perbaikan. Hasil analisis lebih lanjut menunjukkan bahwa pengguna merasa kesulitan saat menggunakan aplikasi Mcdonald’s karena sering terjadi kesalahan pada aplikasi dan beberapa fitur tidak berjalan seperti sebagaimana mestinya. Temuan ini menyoroti pentingnya melakukan perbaikan pada aplikasi untuk meningkatkan kepuasan pengguna dan daya saing di pasar aplikasi food delivery.
PERANCANGAN UI/UX APLIKASI KESEHATAN MENTAL MENGGUNAKAN METODE DESIGN THINIKING STUDI KASUS MAHASISWA KOST UHAMKA Rahmat Azhar, Irgieawan; Chalik Azhar, Nur
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13641

Abstract

Kesehatan fisik dan mental menjadi tantangan utama bagi mahasiswa kost, terutama di kalangan Generasi Z. Pola hidup tidak sehat, kurangnya aktivitas fisik, dan jam tidur tidak teratur berdampak negatif pada kesejahteraan mereka. Berdasarkan Indonesia Gen Z Report 2024, 51% responden menganggap kesehatan mental sebagai masalah utama, sementara 34,9% mengalami gangguan mental, tetapi hanya 2,6% yang mencari bantuan profesional. Penelitian ini bertujuan merancang prototipe antarmuka pengguna (UI/UX) berbasis mobile untuk mendukung kesehatan mental mahasiswa kost. Prototipe ini menghasilkan layanan konsultasi online dengan psikiater, penerbitan resep obat, edukasi kesehatan, rekomendasi pola hidup sehat, serta ruang diskusi. Dengan menggunakan metode Design Thinking, hasil pengujian menunjukkan skor 80 pada System Usability Scale (SUS), mencerminkan keberhasilan aplikasi dalam aspek kegunaan dan kenyamanan. Implikasi dari penelitian ini menunjukkan potensi aplikasi untuk meningkatkan aksesibilitas layanan kesehatan mental sehingga dapat mengurangi hambatan finansial dan stigma yang sering menghalangi mahasiswa mencari bantuan profesional. Selain itu, fitur konsultasi online dan edukasi kesehatan dapat meningkatkan kesadaran serta pemahaman mengenai kesehatan mental, mendorong mahasiswa kost untuk lebih proaktif dalam menjaga kesehatan mental dan fisik mereka. Aplikasi ini berpotensi untuk diimplementasikan secara luas guna mendukung kesejahteraan mahasiswa kost di Indonesia.
SISTEM REKOMENDASI PROGRAM STUDI JENJANG SARJANA UNTUK SISWA SMK BERBASIS SELF-ASSESSMENT RIASEC DENGAN METODE HYBRID NEURAL NETWORK DAN COLLABORATIVE FILTERING Zahrah Hidayat, Shafira; Vita Via, Yisti; Maualana, Hendra
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13642

Abstract

Dalam era digital, pemilihan program studi yang sesuai dengan minat dan bakat siswa menjadi tantangan tersendiri, terutama bagi siswa Sekolah Menengah Kejuruan (SMK). Guru Bimbingan dan Konseling (BK) memiliki peran penting dalam memberikan arahan karir, namun keterbatasan jumlah guru BK dibandingkan dengan jumlah siswa menyebabkan bimbingan yang diberikan kurang optimal. Untuk mengatasi permasalahan ini, penelitian ini mengembangkan aplikasi SKANOVA, sebuah sistem berbasis mobile yang mengintegrasikan metode Neural Network dan Collaborative Filtering untuk memberikan rekomendasi program studi yang lebih akurat dan personal bagi siswa SMK. Neural Network digunakan untuk menganalisis data asesmen dan nilai akademik guna memprediksi program studi yang sesuai, sedangkan Collaborative Filtering menggunakan pendekatan Cosine Similarity untuk memberikan rekomendasi tambahan berdasarkan kesamaan profil siswa lainnya. Pengujian menggunakan System Usability Scale (SUS) menunjukkan bahwa aplikasi memperoleh skor usability sebesar 85,7%, yang masuk dalam kategori Sangat Baik. Selain itu, evaluasi model menunjukkan bahwa kombinasi Learning Rate 0.01, Epochs 150, dan Latent Factors 30 menghasilkan performa terbaik dengan nilai RMSE 0.81 dan MAE 0.62, serta precision 87% dan recall 82%. Hasil penelitian ini menunjukkan bahwa SKANOVA dapat menjadi solusi efektif dalam membantu siswa SMK memilih program studi yang sesuai dengan minat, bakat, dan latar belakang akademik siswa.
IMPLEMENTASI METODE DESIGN THINKING PADA PERANCANGAN UI/UX APLIKASI KOPI REMAN BERBASIS MOBILE Ramdhani, Dani; Utami, Lilyani Asri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13644

Abstract

Berbagai permasalahan pelayanan di Kopi Reman, seperti penumpukan antrean pada jam istirahat, akses terbatas ke katalog menu, waktu tunggu yang lama, dan ketiadaan sistem pencatatan pesanan yang sistematis, berdampak pada efisiensi operasional serta kenyamanan pelanggan. Kondisi ini menuntut solusi yang inovatif dan berfokus pada kebutuhan pengguna agar pelayanan dapat ditingkatkan secara menyeluruh. Untuk itu, metode Design Thinking diterapkan sebagai pendekatan sistematis dalam merancang antarmuka pengguna (UI) dan pengalaman pengguna (UX) aplikasi mobile Kopi Reman. Melalui tahap Empathize, kebutuhan pengguna dipahami secara mendalam, kemudian pain points dirumuskan menjadi kebutuhan spesifik pada tahap Define. Ide-ide kreatif dihasilkan pada tahap Ideate, diwujudkan dalam prototype pada tahap Prototype, dan diuji pada tahap Test. Hasilnya menunjukkan bahwa aplikasi yang dirancang memiliki tingkat usability sangat baik, dengan nilai rata-rata SUS sebesar 84,25 (kategori Excellent) dan nilai SEQ sebesar 6,0, yang menandakan kemudahan penggunaan. Solusi ini terbukti mampu menjawab permasalahan dengan pendekatan yang intuitif, fungsional, dan relevan dengan kebutuhan pengguna. Dengan demikian, metode Design Thinking menjadi kerangka kerja yang efektif untuk meningkatkan pelayanan dan pengalaman pelanggan di Kopi Reman melalui inovasi digital yang berpusat pada pengguna
ANALISIS SKOR KEPUASAN PELANGGAN MENGGUNAKAN BIDIRECTIONAL LONG SHORT-TERM MEMORY PADA PT. RAJAWALI BERDIKARI INDONESIA Lawa Rizky, Joy; Gata, Windu; Syuaib, Syuaib; Hasan, Rosmani; Rachmaliya Joi, Suciaty
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13645

Abstract

Kepuasan pelanggan merupakan faktor kunci dalam meningkatkan kualitas layanan di PT. Rajawali Berdikari Indonesia. Dengan perkembangan teknologi, diperlukan metode yang lebih akurat untuk menganalisis dan memprediksi skor kepuasan pelanggan guna meningkatkan pengalaman layanan. Permasalahan analisis kepuasan pelanggan memiliki tantangan utama dalam menangkap pola interaksi yang bersifat temporal. Pendekatan tradisional kurang efektif dalam memahami pola perubahan kepuasan pelanggan secara dinamis. Penelitian ini bertujuan untuk mengembangkan model prediksi kepuasan pelanggan menggunakan algoritma Bidirectional Long Short-Term Memory (BiLSTM). Model ini diharapkan mampu memberikan prediksi yang lebih akurat dibandingkan algoritma lain seperti C4.5 dan Random Forest Penelitian ini menggunakan pendekatan CRISP-DM yang mencakup pemahaman bisnis, pengolahan data, pemodelan, evaluasi, dan implementasi. Dataset yang digunakan mencakup variabel durasi percakapan, jumlah pesanan, dan performa agen. Model dikembangkan menggunakan teknik machine learning dan diuji menggunakan metrik evaluasi seperti akurasi dan F1-score. Hasil penelitian menunjukkan bahwa model BiLSTM memiliki akurasi tertinggi sebesar 94%, lebih baik dibandingkan model C4.5 (74%) dan Random Forest (88%). Implementasi model ini dapat membantu perusahaan dalam meningkatkan strategi layanan pelanggan secara lebih proaktif dan efektif.
SENTIMEN ANALISIS PENGGUNA TWITTER TERHADAP PROVIDER XL AXIATA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Alfataah, Sevilla; Cahyono, Nuri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13647

Abstract

XL Axiata merupakan salah satu penyedia layanan terkenal di Indonesia dan memiliki basis pengguna yang luas. Konsumen XL Axiata dapat dengan mudah berkomunikasi dengan XL Axiata melalui media sosial karena lebih menghemat durasi dan energi. Twitter adalah salah satu media sosial yang digunakan oleh XL Axiata untuk berkomunikasi kepada pelanggan mereka. Penelitian ini bertujuan untuk menganalisis model analisis sentimen terhadap provider XL Axiata dengan menggunakan metode Support Vector Machine. Data dikumpulkan melalui proses crawling pada twitter memperoleh 1598 data. Data tweet yang diperoleh melalui proses crawling akan menjalani tahapan preprocessing, meliputi case folding, cleaning, normalisasi, tokenisasi, stemming, dan penghapusan stopword. Data hasil labeling akan dilakukan klasifikasi menggunakan algoritma Support Vector Machine. Pengujian ini menggunakan rasio data training dan data testing 80:20 dengan menggunakan model SVM yang telah dibuat menggunakan kernel linear, rbf, sigmoid, dan polynomial. Berdasarkan hasil uji coba dengan jenis kernel yang berbeda dapat disimpulkan bahwa kernel linear memiliki nilai akurasi tertinggi sebesar 83.98%. Kernel rbf memiliki nilai akurasi tertinggi kedua yaitu sebesar 80.39%. Kernel sigmoid dan polynomial memiliki nilai akurasi lebih rendah dibandingkan kernel linear dan rbf. Hal ini disebabkan oleh ketidakcocokan dataset yang digunakan pada kernel. Dari hasil tersebut, kernel linear adalah kernel yang memiliki performa terbaik pada dataset yang digunakan pada penelitian ini.
PERBANDINGAN METODE ALGORITMA SUPERVISED NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI PENDERITA STUNTING DI KABUPATEN DELI SERDANG Pebrianti, Lidia; Simamora, Elmanani; Manullang, Sudianto; Taufiq, Insan; Chairunisah, Chairunisah
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13649

Abstract

Fenomena gizi buruk di Indonesia dipengaruhi oleh kualitas kesehatan sumber daya manusia (SDM) yang rendah, yang umumnya disebabkan oleh konsumsi pangan yang tidak seimbang. Kondisi ini terlihat pada anak-anak yang mengalami gangguan fisik dan psikis akibat kurangnya asupan gizi yang dibutuhkan. Dalam penelitian ini, dilakukan perbandingan antara dua algoritma, yaitu Naive Bayes dan Support Vector Machine (SVM), untuk mengklasifikasikan penderita stunting di Kabupaten Deli Serdang. Penelitian menggunakan dataset dari Dinas Kesehatan Deli Serdang, dengan jumlah data sebanyak 422 sampel. Data tersebut dibagi menjadi beberapa split, yaitu 60:40, 70:30, 80:20, dan 90:10, untuk melihat performa masing-masing algoritma pada proporsi pembagian data yang berbeda. Hasil penelitian menunjukkan bahwa akurasi klasifikasi menggunakan Support Vector Machine (SVM) lebih tinggi daripada dengan hasil Naive Bayes. Dari pengujian variansi, didapati bahwa Support Vector Machine (SVM) memiliki variansi sebesar 2,87%, sementara Naive Bayes menunjukkan variansi sebesar 28,35%. Hal ini menandakan bahwa Support Vector Machine (SVM) lebih konsisten kinerjanya di berbagai pembagian dataset. Dengan kata lain, Support Vector Machine (SVM) tidak hanya lebih akurat tetapi juga lebih stabil dalam performanya dibandingkan dengan Naive Bayes, menegaskan keunggulannya sebagai metode yang lebih andal untuk kasus klasifikasi stunting ini.
SISTEM DETEKSI PENYAKIT KULIT BERDASARKAN GEJALA DENGAN MENGGUNAKAN METODE FORWARD CHAINING Aqsan, La Ode Pali; Sida Toruntju, Farras
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13650

Abstract

Penyakit kulit merupakan masalah kesehatan yang umum di negara tropis seperti Indonesia, dengan perubahan suhu dan kelembaban yang menyebabkan pertumbuhan jamur, bakteri, dan parasit. Keterbatasan akses terhadap dokter spesialis kulit menyebabkan perlunya alat bantu diagnosis yang efisien dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit kulit berdasarkan gejala menggunakan metode forward chaining untuk memfasilitasi diagnosis awal yang cepat dan akurat. Sistem pakar dengan metode forward chaining diimplementasikan menggunakan bahasa pemrograman Python. Data gejala dan penyakit kulit dikumpulkan dari sumber medis terpercaya. Sistem dirancang untuk memproses gejala yang diinputkan pengguna dan menyebarkannya melalui aturan inferensi untuk mendiagnosis jenis penyakit kulit. Pengujian dilakukan dengan 36 kasus berbeda untuk menguji keakuratan sistem. Sistem berhasil mendiagnosis 36 dari 36 kasus uji dengan benar, menghasilkan akurasi 100%. Hasil pengujian menunjukkan bahwa penerapan forward chaining efektif dalam identifikasi penyakit kulit berdasarkan kombinasi gejala yang diderita. Sistem juga mampu memberikan rekomendasi pengobatan yang sesuai untuk setiap diagnosis. Sistem deteksi penyakit kulit dengan metode forward chaining terbukti mampu memberikan diagnosis yang akurat dan dapat menjadi alat bantu yang berguna untuk mendeteksi awal penyakit kulit. Penelitian ini berkontribusi pada pengembangan teknologi deteksi penyakit kulit yang dapat mendukung pengobatan tepat waktu
KLASIFIKASI TUTUPAN LAHAN PADA CITRA SENTINEL-2 DI KAWASAN IKN MENGGUNAKAN GOOGLE EARTH ENGINE Al Fathoni, Hanif; Junaidi, Achmad; Prima Aditiawan, Firza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13652

Abstract

Pemerintah Indonesia telah meresmikan pemindahan Ibu Kota Negara (IKN) ke Nusantara melalui Undang-Undang Nomor 3 Tahun 2022. Nusantara dirancang sebagai simbol identitas nasional dan pusat pertumbuhan ekonomi dengan konsep keberlanjutan. Pemindahan ini berdampak pada tata ruang, infrastruktur, dan lingkungan, sehingga analisis tutupan lahan menjadi krusial untuk memastikan perencanaan yang efisien. Penelitian ini bertujuan untuk mengklasifikasikan tutupan lahan di kawasan IKN menggunakan citra satelit Sentinel-2 dan teknologi Google Earth Engine (GEE). Algoritma yang digunakan adalah Random Forest (RF) dan Support Vector Machine (SVM), dengan ekstraksi fitur berbasis indeks spektral NDVI, NDBI, dan NDWI. Teknik cloud masking dengan QA Band diterapkan untuk meningkatkan kualitas data sebelum analisis lebih lanjut. Tahapan penelitian meliputi pengumpulan dan pre-processing data citra Sentinel-2, ekstraksi fitur, pembuatan dataset latih dan validasi, serta proses klasifikasi menggunakan algoritma RF dan SVM. Evaluasi dilakukan dengan metrik akurasi, presisi, recall, dan F1-score untuk menentukan model terbaik. Hasil penelitian menunjukkan bahwa model RF dengan 100 pohon (RF_100trees) dan SVM dengan kernel linear (SVM_LINEAR) memiliki akurasi validasi terbaik sebesar 88%. RF unggul dalam kestabilannya dengan jumlah pohon yang besar, sementara SVM lebih sensitif terhadap pemilihan parameter kernel. Kesimpulannya, kedua model ini efektif dalam klasifikasi tutupan lahan kawasan IKN.

Page 347 of 384 | Total Record : 3835

 345   346   347   348   349 

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