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
 364   365   366   367   368 
PERBANDINGAN KINERJA CONVOLUTIONAL NEURAL NETWORK, RECURRENT NEURAL NETWORK DAN LONG SHORT TERM MEMORY DALAM ANALISIS SENTIMEN Sefri Bere, Emilianto; R Kaesmetan, Yampi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13982

Abstract

Indonesia memiliki jumlah pengguna TikTok terbesar, dengan 157,6 juta pengguna, diikuti oleh Amerika Serikat dengan 120,5 juta pengguna. Beberapa hashtag populer yang berkaitan dengan Jokowi di TikTok antara lain #jokowi (769,3 ribu postingan), #jokowidodo (278,6 ribu postingan), dan #presidenjokowi (115,5 ribu postingan). Selama dua periode masa jabatan sebagai Presiden, Jokowi menerima jutaan komentar, baik positif maupun negatif, dari masyarakat Indonesia di TikTok. Penelitian ini menggunakan metode deep learning dengan algoritma Long Short-Term Memory (LSTM), Recurrent Neural Network (RNN), dan Convolutional Neural Network (CNN) untuk mengklasifikasikan sentimen pengguna TikTok terhadap Jokowi serta mengevaluasi performa deep learning dalam klasifikasi sentimen. Dalam penelitian ini, 1.029 komentar berhasil diklasifikasikan menjadi sentimen positif (529 komentar) dan negatif (500 komentar) menggunakan model LSTM, dengan hasil akurasi 86%, presisi 86%, recall 89%, dan F1-score 87%, meskipun terdapat 24 sampel False Positive (FP). Perbandingan dengan model lainnya menunjukkan bahwa RNN memiliki performa terbaik, dengan akurasi 88%, presisi 91%, recall 91%, dan F1-score 91%, sementara CNN mencapai akurasi 84%, presisi 85%, recall 85%, dan F1-score 85%. Keunggulan RNN terkait dengan karakteristik dataset yang terdiri dari komentar pendek, di mana mekanisme memori pada LSTM tidak memberikan peningkatan kinerja yang signifikan.
IDENTIFIKASI TANAMAN OBAT PADA DAUN BERDASARKAN EKSTRAKSI FITUR HISTOGRAM OF ORIENTED GRADIENTS (HOG) DAN LOCAL BINARY PATTERNS (LBP) MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBORS Anggin Tri Muslimin, Hasna; Mashur Sajiah, Adha; Sarita, Muh. Ihsan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13983

Abstract

Tanaman obat memiliki peran penting dalam pengobatan karena mengandung bahan aktif yang dapat digunakan sebagai obat alami maupun sintetik. Keberagaman tanaman obat di Indonesia memerlukan proses klasifikasi yang akurat untuk memastikan spesiesnya. Namun, klasifikasi manual sering kali memakan waktu, membutuhkan keahlian tinggi, dan cukup rumit.Penelitian ini bertujuan untuk mengevaluasi akurasi algoritma Fuzzy K-Nearest Neighbors (Fuzzy KNN) dalam klasifikasi tanaman obat berdasarkan ciri daun. Metode yang digunakan adalah ekstraksi fitur Histogram of Oriented Gradients (HOG) dan Local Binary Patterns (LBP) untuk meningkatkan akurasi model. Berdasarkan hasil pengujian, algoritma Fuzzy KNN menunjukkan kinerja yang baik dalam mengklasifikasikan tanaman obat seperti aloe vera, kemangi, kembang sepatu, lemon, dan lainnya. Hasil klasifikasi menunjukkan nilai accuracy 91,11%, precision 96,67%, dan recall 100%. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem klasifikasi otomatis untuk tanaman obat, yang dapat membantu ahli botani dan herbalis dalam mengidentifikasi spesies dengan lebih cepat dan akurat.
TRANSFORMASI DIGITAL DI DESA PEUSAWA (BANTUAN SOSIAL) DI LEMBATA, NUSA TENGGARA TIMUR Angelica Santhia, Maria; Ignasius J. Lamabelawa, Marinus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13984

Abstract

Transformasi digital merupakan salah satu langkah strategis dalam meningkatkan efektivitas dan efisiensi pelayanan publik di desa, khususnya dalam penyaluran bantuan sosial. Desa Peusawa sebagai salah satu desa di Kabupaten Lembata menghadapi berbagai tantangan dalam proses pendataan dan penyaluran bantuan sosial secara manual, yang sering menimbulkan permasalahan seperti data ganda, keterlambatan penyaluran, serta kurangnya transparansi. Tujuan dari penelitian ini adalah untuk mengembangkan sistem berbasis digital dalam pengelolaan dan pendistribusian bantuan sosial agar lebih akurat, cepat, dan transparan. Metode yang digunakan dalam penelitian ini adalah observasi langsung, wawancara dengan aparatur desa dan masyarakat, serta pengembangan sistem menggunakan teknologi berbasis website. Hasil penelitian menunjukkan bahwa implementasi sistem digital di Desa Peusawa mampu meningkatkan akurasi data penerima bantuan sosial, mempercepat proses pendistribusian, serta meminimalisir kesalahan dalam penyaluran bantuan. Transformasi digital ini memberikan dampak positif bagi aparatur desa maupun masyarakat dalam mewujudkan pelayanan publik yang lebih efektif, efisien, dan transparan.
PENERAPAN METODE OPTICAL CHARACTER RECOGNITION (OCR) UNTUK MENGIDENTIFIKASI TEKS PADA IDENTITAS DOKUMEN SURAT IZIN MENGEMUDI (SIM) Darmi, Yulia; Fajri Sepriansyah, Muhammad; Darnita, Yulia; Pahrizal, Pahrizal
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13987

Abstract

Teknologi Optical Character Recognition (OCR) semakin banyak digunakan untuk mengenali teks pada dokumen resmi, termasuk Surat Izin Mengemudi (SIM). Optical Character Recognition (OCR) menjadi solusi potensial untuk mengatasi masalah tersebut. Dengan kemampuan mengenali teks dari dokumen fisik seperti SIM, teknologi ini dapat meningkatkan efisiensi pengolahan data. Namun, keberhasilan OCR sangat bergantung pada kualitas gambar dokumen yang diproses. Resolusi rendah, pencahayaan buruk, goresan, atau noda pada dokumen fisik dapat mengurangi akurasi pengenalan karakter. Penelitian ini bertujuan mengembangkan sistem berbasis OCR untuk mengidentifikasi dan mengekstraksi informasi secara otomatis dari dokumen SIM. Metode penelitian meliputi cropping, segmentasi, boundingbox dan pengenalan karakter menggunakan metode OCR. Sistem ini mampu menghasilkan akurasi teks informasi penting seperti nama, nomor SIM, dan tanggal berlaku dengan akurasi hingga 95%, meskipun kualitas gambar dan jenis font memengaruhi hasil pengenalan. Dengan penerapan sistem ini meminimalkan kesalahan manusia dalam pencatatan data. Penelitian ini memberikan kontribusi dalam pengembangan teknologi pengenalan teks pada dokumen resmi dan dapat diterapkan lebih luas pada berbagai dokumen administratif lainnya.
PENGEMBANGAN “LOOPA” ASISTEN PENGINGAT JADWAL PINTAR BERBASIS AI Muslim Sinaga, Rizal; Alby Savana HSB, Muhammad; Farezi, Nazwar; Azima Lubis, Fauzan; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13990

Abstract

Di era digital saat ini, manajemen waktu menjadi tantangan bagi banyak individu, terutama ketika sistem pengingat yang digunakan tidak mampu memahami bahasa alami pengguna. Masalah muncul ketika pengguna masih mengandalkan metode manual atau aplikasi kalender konvensional yang kurang efisien dalam menangkap kebutuhan berbasis teks alami. Penelitian ini bertujuan untuk mengembangkan Loopa, sebuah aplikasi web pintar berbasis AI yang dapat mengelola jadwal secara otomatis melalui pemahaman bahasa alami. Aplikasi ini dirancang menggunakan arsitektur client-server dengan Flask sebagai backend dan SQLite sebagai basis data, serta mengintegrasikan model NLP google/flan-t5-small yang telah di-fine-tune untuk memahami input jadwal berbentuk teks. Sistem ini juga dilengkapi fitur notifikasi otomatis menggunakan Twilio. Evaluasi model menunjukkan akurasi sebesar 62%, yang berarti sebagian besar input berhasil dipahami dengan benar, dan ROUGE-L sebesar 0,9596 yang menandakan tingkat kemiripan yang sangat tinggi antara hasil prediksi dan referensi. Hal ini menunjukkan bahwa Loopa mampu memahami konteks input dengan baik dan mengubahnya menjadi format terstruktur secara efektif.Aplikasi Loopa berhasil menunjukkan performa yang baik dalam mengubah input alami menjadi format terstruktur serta mengirimkan pengingat otomatis, sehingga dapat membantu pengguna dalam mengelola waktu secara lebih efisien dan cerdas.
OPTIMALISASI SISTEM INFORMASI KEIMIGRASIAN BERBASIS ARTIFICIAL INTELLIGENCE: STRATEGI EFISIENSI DAN KEAMANAN DALAM LAYANAN PUBLIK Natan Saragih, Yeremia; Ari Nursanto, Gunawan; Maharani Piranti, Nurul
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13991

Abstract

Transformasi digital dalam layanan publik telah mendukung penggunaan teknologi Artificial Intelligence (AI) dalam sektor keimigrasian di Indonesia. Namun, penerapannya masih mengalami sejumlah tantangan yang dihadapi seperti kesiapan infrastruktur dan keterbatasan sumber daya manusia (SDM). Artikel ini bertujuan untuk menganalisis sejauh mana sistem informasi keimigrasian berbasis AI mampu meningkatkan efisiensi layanan keamanan data, serta mengidentifikasi hambatan yang didapat dalam implementasinya. Penelitian ini menggunakan pendekatan kuantitatif dengan metode survey, yang melibatkan 150 responden yang terbagi atas pegawai imigrasi dan pengguna layanan keimigrasian. Data yang dikumpulkan melalui kuisioner, wawancara, analisis dokumen, dan juga Focus Group Discussion (FGD). Hasil penelitian menunjukkan bahwa AI mampu mempercepat proses administrasi keimigrasian hingga 85%, mengurangi kesalahan data sebesar 40%, dan mendeteksi potensi pemalsuan dokumen sebesar 78%. Meskipun demikian, 45% pegawai imigrasi belum memiliki pelatihan yang memadai dalam penggunaan sistem AI, dan 60% responden menyatakan kekhawatiran terhadap ancaman siber. Oleh karena itu, strategi optimalisasi mencakup penguatan kebijakan perlindungan data, pengembangan infrastruktur digital, pelatihan SDM, dan integrasi sistem informasi yang ada. Penelitian ini merekomendasikan pengembangan sistem keimigrasian berbasis AI yang lebih aman, inklusif, dan adaptif untuk mendukung pelayanan publik yang efisien dan terpercaya.
Sebuah Evanthe, Hansel; Fhadillah, Fhadillah; Fauzan, Rosyid; Farezi, Nazwar; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13992

Abstract

Pasar saham merupakan indikator penting dalam ekonomi, dengan harga saham yang fluktuatif mencerminkan berbagai faktor seperti sentimen pasar dan kondisi perusahaan. NVIDIA Corporation (NVDA) menjadi salah satu perusahaan teknologi yang menarik perhatian investor karena pertumbuhan signifikannya dalam industri semikonduktor dan AI. Namun, volatilitas tinggi menjadi tantangan dalam menentukan strategi investasi. Penelitian ini bertujuan untuk menganalisis pola pergerakan harga saham NVIDIA menggunakan klasterisasi K-Means dan memprediksi harga saham dengan model Long Short-Term Memory (LSTM). Permasalahan utama adalah kesulitan model prediksi dalam lonjakan harga ekstrem dan ketergantungan pada data historis. Tujuan penelitian adalah mengidentifikasi pola harga saham melalui klasterisasi dan menguji akurasi prediksi LSTM dengan berbagai skenario data latih. Metode yang digunakan meliputi pengumpulan data historis NVIDIA (2020–2025) dari Yahoo Finance, preprocessing data, klasterisasi K-Means dengan penentuan klaster optimal menggunakan metode Elbow, serta prediksi time-series dengan LSTM. Evaluasi dilakukan menggunakan RMSE dan MAPE. Hasil klasterisasi menunjukkan tiga klaster optimal dengan Silhouette Score 0.579, mengindikasikan pengelompokan yang cukup baik. Prediksi LSTM menghasilkan RMSE dan MAPE terendah pada 60% data latih (70.18 dan 9.61%), namun kesalahan meningkat seiring penambahan data latih akibat ketidakmampuan model menangkap lonjakan harga ekstrem. Disarankan untuk menambahkan fitur seperti volume perdagangan guna meningkatkan akurasi prediksi.
PENGEMBANGAN SISTEM PEMESANAN LAPANGAN FUTSAL BERBASIS WEB DENGAN PENDEKATAN REKAYASA PERANGKAT LUNAK Amelia Vega S. Meliala, Ruth; Shaleh Lbn Gaol, Anwar; Nabila Harahap, Salsa; Tasya Agustina Tampubolon, Putri; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13994

Abstract

Digitalisasi berbagai layanan, seperti sistem pemesanan fasilitas olahraga, telah didorong oleh kemajuan teknologi informasi dan komunikasi (TIK). Tujuan dari penelitian ini adalah untuk membuat sistem pemesanan lapangan futsal yang efektif dan mudah digunakan yang berbasis web. Metode penelitian dan pengembangan (R&D) digunakan, menggunakan pendekatan rekayasa perangkat lunak model Waterfall. Proses pengembangan mencakup pengumpulan data melalui penelitian dan observasi, pembuatan antarmuka menggunakan HTML, CSS, dan JavaScript, dan penggunaan LocalStorage sebagai media penyimpanan data sementara tanpa backend. Dashboard admin, halaman pemesanan, fitur login, dan tampilan data booking adalah bagian dari sistem yang dirancang. Untuk memastikan bahwa sistem bekerja sesuai harapan, pengujian dilakukan menggunakan metode black box. Hasil perancangan menunjukkan bahwa sistem dapat mempercepat jadwal penyewaan lapangan dan proses reservasi. Pengembangan tambahan seperti integrasi sistem pembayaran online dan notifikasi otomatis diharapkan menjadi dasar penelitian ini.
PENGGUNAAN METODE TECHNOLOGY ACCEPTANCE MODEL (TAM) PADA ANALISIS SISTEM MESIN ANJUNGAN : SYSTEMATIC LITERATURE REVIEW Ramadhian Rizqullah, Najmi; Susaningsih, Catur; Maharani Piranti, Nurul
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13995

Abstract

Dalam era digital yang terus berkembang, pemanfaatan mesin anjungan sebagai inovasi dalam pelayanan publik telah menjadi suatu hal yang penting untuk mendukung efisiensi administrasi dan modernisasi layanan. Namun, meskipun mesin anjungan mampu mengurangi waktu tunggu dan meningkatkan kemudahan akses bagi pengguna, terdapat kendala yang signifikan seperti rendahnya literasi teknologi serta isu-isu terkait keamanan data yang mempengaruhi penerimaannya oleh masyarakat. Penelitian ini bertujuan untuk mengevaluasi efektivitas penggunaan mesin anjungan dan mengidentifikasi metode-metode analisis yang telah diterapkan dalam beberapa penelitian sebelumnya guna mengusulkan perbaikan sistem dan strategi peningkatan kepuasan pengguna. Melalui pendekatan studi literatur sistematis dengan metode PRISMA, data dikumpulkan melalui penyaringan beberapa ribu jurnal dari basis data terkemuka, yang kemudian diseleksi berdasarkan kriteria inklusi sehingga diperoleh 31 jurnal yang relevan untuk dianalisis. Hasil penelitian menunjukkan bahwa penggunaan mesin anjungan memberikan kontribusi positif dalam meningkatkan efisiensi layanan publik dan mengurangi waktu tunggu, meskipun masih terdapat tantangan pada aspek literasi pengguna dan keamanan data. Selain itu, analisis terhadap metode penelitian yang digunakan mengungkapkan bahwa mayoritas pendekatan Technology Acceptance Model (TAM) sebagai alat evaluasi utama, yang memberikan gambaran mendalam mengenai persepsi dan pengalaman pengguna terhadap teknologi tersebut.
RANCANG BANGUN CHATBOT SEBAGAI MEDIA LAYANAN INFORMASI AKADEMIK MAHASISWA UNIVERSITAS NEGERI MEDAN BERBASIS NLP SEDERHANA Evanthe, Hansel; Afrrahman S. Effendi, Ali; Putra Paskah Halawa, Sovantri; Zidane, Muhammad; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13997

Abstract

Kemajuan teknologi kecerdasan buatan mendorong pengembangan chatbot sebagai solusi otomatis dalam layanan informasi akademik. Penelitian ini mengembangkan chatbot berbasis web menggunakan Flask dan MySQL untuk menjawab pertanyaan mahasiswa Universitas Negeri Medan. Permasalahan utama adalah kurangnya sistem otomatis yang efisien dalam menyediakan informasi kampus secara real-time, sehingga diperlukan chatbot yang merespons pertanyaan berdasarkan data terstruktur dalam database. Tujuan penelitian adalah membangun chatbot yang dapat merespons pertanyaan mahasiswa dengan cepat dan akurat, sehingga mempermudah akses informasi akademik dan meningkatkan efisiensi layanan. Metode penelitian meliputi analisis kebutuhan melalui observasi, studi literatur, dan pengamatan website universitas; perancangan sistem dengan dukungan flowchart; implementasi backend menggunakan Flask dan penyimpanan data dengan MySQL; serta pengujian fungsionalitas melalui pertanyaan standar seperti informasi rektor, jurusan, fasilitas, dan pengumuman. Hasil pengujian menunjukkan chatbot memberikan jawaban akurat (100%) dengan waktu respons di bawah 1 detik. Antarmuka yang dibangun dengan HTML, CSS, dan JavaScript terbukti interaktif dan mudah digunakan. Namun, sistem masih terbatas dalam menangani pertanyaan dengan typo atau variasi kalimat, serta pembaruan data masih manual. Hasil ini mendemonstrasikan efektivitas chatbot sebagai penyedia informasi akademik dan menyarankan pengembangan NLP yang lebih canggih serta integrasi machine learning.

Page 366 of 384 | Total Record : 3835

 364   365   366   367   368 

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