cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yogiek Indra Kurniawan
Contact Email
yogiek@unsoed.ac.id
Phone
+6285640661444
Journal Mail Official
jptijournals@gmail.com
Editorial Address
Jl Kober No 915 RT 08 RW 04 Kelurahan Kober, Purwokerto, Jawa Tengah, Indonesia
Location
Unknown,
Unknown
INDONESIA
Jurnal Pendidikan dan Teknologi Indonesia
Published by CV Infinite Corporation
ISSN : 27754227     EISSN : 27754219     DOI : https://doi.org/10.52436/1.jpti.IDPaper
Core Subject : Education, Engineering,
Education Engineering
Jurnal Pendidikan dan Teknologi Indonesia (JPTI) merupakan Jurnal Ilmiah Nasional yang menerbitkan artikel hasil penelitian dan gagasan ilmiah* dari Dosen, Peneliti, Praktisi, dan Guru dari seluruh Indonesia dan Mancanegara. JPTI memiliki fokus dan ruang lingkup yang terdiri dari 1. Lingkup pendidikan : Penelitian Tindakan Kelas (PTK), Pendidikan Usia Dini, Pendidikan Dasar, Pendidikan Menengah, Pendidikan Tinggi, Pendidikan Karakter, Pendidikan Non formal, Pendidikan Informal, Pendidikan Inklusi, dan Pendidikan Khusus lainnya (Kebencanaan, Komunitas, Anti Korupsi, Bela Negara, dll). 2. Lingkup Teknologi : Ilmu Pengetahuan dan Teknologi, Teknologi kesehatan, bidang keteknikan (Teknik Informatika, Teknik Elektro, Teknik Arsitektur, Teknik Sipil, Teknik Mesin, Teknik Industri, Teknik Geologi, Teknik Kimia, Teknik Perkapalan, dll) Jurnal Pendidikan dan Teknologi Indonesia terbit setiap bulan (12 kali dalam setahun). JPTI terdaftar dengan P-ISSN : 2775-4227 dan E-ISSN : 2775-4219
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 17 Documents
 1   2 
Search results for , issue "Vol 5 No 12 (2025): JPTI - Desember 2025" : 17 Documents clear
Systematic Literature Review Untuk Identifikasi Tentang Penggunaan Decision Support System Yallah, M Hafidz Hasbi; Nugroho, Yusuf Sulistyo
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.519

Abstract

Sistem pendukung keputusan dapat diartikan sebagai suatu sistem interaktif berbasis komputer yang membantu para pengambil keputusan menyelesaikan masalah-masalah yang tidak terstruktur dengan memanfaatkan data dan model. Pengembangan sistem informasi pendukung keputusan memiliki metode-metode yang beragam mulai dari metode terstruktur hingga berbasis objek. Mengingat pentingnya metode pengembangan sistem informasi pendukung keputusan dan pemilihan metode di mana sistem itu berjalan, maka pada penelitian ini dikumpulkan data-data dari penelitian terdahulu tentang Sistem Pendukung Keputusan. Data-data yang dikumpulkan adalah jurnal yang membahas tentang pengembangan Sistem Pendukung Keputusan dari tahun 2020 hingga 2024. Data-data tersebut diidentifikasi menggunakan metode Systematic Literature Review (SLR). Dengan penggunaan Metode SLR dapat dilakukan review dan identifikasi jurnal secara sistematis yang pada setiap prosesnya mengikuti langkah-langkah atau protokol yang telah ditetapkan. Hasil penelitian menunjukkan bahwa platform yang dominan digunakan dalam pengembangan sistem pendukung Keputusan adalah untuk bidang kesehatan (clinical decision support system) sedangkan metode dominan digunakan dalam menyelesaikan pengembangan sistem informasi adalah metode terstruktur.
Evaluasi Ensemble Learning untuk Prediksi Nilai Matematika Siswa Sekolah Menengah Asikin, Zaenal; Tahyudin, Imam; Hariguna, Taqwa
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.858

Abstract

Prediksi dini performa matematika siswa sekolah menengah sangat penting untuk merancang intervensi pendidikan yang lebih adaptif dan efektif sebelum ujian akhir resmi dilaksanakan. Penelitian ini bertujuan untuk mengevaluasi kinerja tiga model machine learning Random Forest (RF), Gradient Boosting Regressor (GBR), dan Multi-Layer Perceptron (MLP) dalam memprediksi nilai matematika siswa di Indonesia, serta mendokumentasikan proses tuning hyperparameter secara sistematis untuk setiap model. Dataset yang digunakan terdiri dari skor matematika, membaca, menulis, serta variabel demografis meliputi jenis kelamin, latar belakang pendidikan orang tua, jenis layanan makan, dan keikutsertaan kursus persiapan. Proses tuning hyperparameter untuk RF dan GBR dilakukan menggunakan RandomizedSearchCV dengan 5-fold cross-validation, menguji rentang nilai untuk jumlah estimator, kedalaman maksimum pohon, dan laju pembelajaran (learning rate). Sedangkan pada Multi-Layer Perceptron, GridSearchCV diterapkan dengan variasi arsitektur hidden_layer_sizes, laju pembelajaran awal (learning_rate_init), dan faktor regularisasi (alpha) pada 5-fold CV. Model diukur menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil eksperimen menunjukkan bahwa GBR memberikan performa terbaik dengan MAE sebesar 11,61 poin, RMSE 15,23 poin, dan R² 0,10. Random Forest menempati urutan kedua (MAE 12,34; RMSE 16,05; R² 0,64), diikuti MLP (MAE 13,10; RMSE 17,20; R² 0,60). Analisis feature importance mengungkap bahwa skor membaca dan menulis bersama-sama menyumbang lebih dari 60 % kontribusi prediksi, sedangkan faktor demografis seperti latar belakang pendidikan orang tua dan keikutsertaan kursus berperan sekunder namun tetap signifikan. Temuan ini mengindikasikan bahwa model ensemble learning tidak hanya unggul dalam akurasi prediksi, tetapi juga memberikan wawasan mendalam tentang variabel kunci yang memengaruhi performa matematika siswa. Implementasi model ini memungkinkan guru dan pihak sekolah untuk mengidentifikasi siswa yang berisiko rendah secara lebih cepat, merancang program remedial atau pengayaan yang tepat sasaran, serta memanfaatkan sumber daya pendidikan secara lebih efisien. Untuk penelitian lanjutan, disarankan penambahan variabel perilaku siswa seperti durasi belajar mandiri dan kehadiran serta eksplorasi model sekuensial (RNN/Transformer) untuk menangkap dinamika pembelajaran dari waktu ke waktu.
Penerapan Model Pembelajaran Role Play untuk Mengatasi Rendahnya Keterlibatan Siswa pada Materi Nilai-Nilai Pancasila di SMPN 226 Jakarta Ibrahim, Anwar; Safitri, Arica; Zaya Gea, Desman; Gulo, Perniato; Wahidin, Darto
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1031

Abstract

Rendahnya keterlibatan siswa dalam pembelajaran nilai-nilai Pancasila merupakan permasalahan yang masih sering dijumpai di lingkungan pendidikan, termasuk di SMP Negeri 226 Jakarta. Fenomena ini ditandai oleh sikap pasif siswa, kurangnya antusiasme, serta minimnya partisipasi aktif dalam proses pembelajaran. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk meningkatkan keterlibatan siswa melalui penerapan model pembelajaran role play sebagai strategi inovatif dalam pembelajaran Pendidikan Pancasila. Penelitian ini menggunakan metode Penelitian Tindakan Kelas (PTK) yang dilaksanakan dalam tiga siklus, yaitu pra-siklus, siklus, dan pasca siklus, dengan subjek penelitian siswa kelas VIII-7. Teknik pengumpulan data dilakukan melalui observasi dan dokumentasi, kemudian dianalisis dengan pendekatan campuran (mix method). Hasil penelitian menunjukkan adanya peningkatan signifikan terhadap keterlibatan siswa, yakni sebesar 53,61% pada tahap pra-siklus, meningkat menjadi 66,14% pada siklus, dan mencapai 80,47% pada siklus II. Berdasarkan hasil penelitian ini bahwa model pembelajaran role play mampu menciptakan suasana belajar yang kontekstual, menyenangkan, dan komunikatif, sehingga efektif dalam mendorong partisipasi aktif siswa. Dengan demikian, penelitian ini memberikan kontribusi terhadap pengembangan model pembelajaran partisipatif dalam Pendidikan Pancasila, serta merekomendasikan penggunaan role play sebagai alternatif strategi pembelajaran untuk meningkatkan keterlibatan siswa secara aktif dan bermakna.
Pengenalan Pola Huruf Hijaiyyah dengan Metode CNN untuk Bahasa Isyarat Arab Khoirunnisa, Siska; Rakhmadi, Aris
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1172

Abstract

Bahasa Isyarat Arab (Arabic Sign Language/ArSL) merupakan sarana komunikasi utama bagi penyandang tunarungu, termasuk dalam pembelajaran Al-Qur’an. Namun, keterbatasan teknologi dalam mengenali bahasa isyarat secara otomatis menjadi hambatan serius terhadap akses pendidikan agama yang inklusif. Penelitian ini bertujuan untuk mengenali pola huruf hijaiyyah dalam ArSL dengan memanfaatkan metode Convolutional Neural Network (CNN) melalui pendekatan transfer learning dan fine-tuning pada empat arsitektur pralatih, yaitu MobileNetV2, EfficientNetB0, VGG16, dan ResNet50. Dataset yang digunakan terdiri dari 7.856 citra RGB tangan yang mewakili 31 huruf hijaiyyah, yang dibagi menjadi data pelatihan, validasi, serta pengujian. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, serta efisiensi komputasi berdasarkan ukuran model dan waktu inferensi. Hasil penelitian memperlihatkan bahwa ResNet50 memperoleh akurasi tertinggi sebesar 98,35%, diikuti MobileNetV2 (97,84%), EfficientNetB0 (97,71%), dan VGG16 (97,07%). Meskipun demikian, MobileNetV2 memiliki ukuran model terkecil dan kecepatan inferensi tercepat, sehingga paling sesuai untuk implementasi pada perangkat dengan keterbatasan sumber daya. Analisis confusion matrix juga menunjukkan kesalahan klasifikasi terutama pada huruf yang memiliki kemiripan visual, seperti dal–dzal dan ta–tha. Penelitian ini menegaskan efektivitas CNN berbasis transfer learning dalam pengenalan huruf hijaiyyah bahasa isyarat Arab serta memberikan kontribusi nyata terhadap pengembangan sistem pembelajaran agama yang lebih inklusif bagi penyandang tunarungu.
Transformasi Portal Data Pemerintah di Indonesia dengan Large Language Model dan Retrieval-Augmented Generation: Tinjauan Pustaka Sistematis Hadie, Agus Nur; Tahyudin, Imam; Hariguna, Taqwa
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1175

Abstract

Integrasi kecerdasan buatan (Artificial Intelligence/AI) seperti Large Language Model (LLM) dan Retrieval-Augmented Generation (RAG) berpotensi mentransformasi portal data pemerintah, namun implementasinya terhambat oleh kurangnya tinjauan sistematis dan kerangka evaluasi yang spesifik. Penelitian ini bertujuan untuk mengidentifikasi, mengevaluasi, dan mensintesis literatur terkini mengenai metodologi, keberhasilan, dan tantangan integrasi teknologi tersebut melalui tinjauan pustaka sistematis. Metode ini diterapkan dengan pencarian terstruktur pada basis data Google Scholar, Scopus, dan IEEE Xplore, diikuti proses penyaringan bertahap. Hasil tinjauan menunjukkan bahwa teknologi AI terbukti efektif meningkatkan komunikasi pemerintah-warga, efisiensi layanan, dan akurasi pengambilan data, di mana penyesuaian model menjadi faktor penting. Namun, implementasinya masih menghadapi tantangan signifikan terkait tata kelola, kualitas data, dan masalah etis. Hasil penelitian ini menekankan pentingnya pengembangan kerangka kerja tata kelola yang komprehensif untuk memastikan penerapan AI yang akuntabel dan selaras dengan kepentingan publik.
Desain Pengamanan Jaringan Nirkabel Menggunakan Radius Server di Fakultas Teknologi Industri dan Informatika Uhamka Luthfi, Abdurrahman; Sinduningrum, Estu
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1192

Abstract

Keamanan jaringan nirkabel menjadi isu strategis di lingkungan akademik, khususnya saat sistem autentikasi belum diterapkan secara terpusat. Penelitian ini mengambil lokasi di laboratorium teknologi informasi UHAMKA, yang sebelumnya tidak memiliki mekanisme autentikasi pengguna yang ketat, sehingga membuka potensi akses ilegal terhadap jaringan. Tujuan dari penelitian ini adalah merancang sistem keamanan jaringan nirkabel dengan menerapkan server radius sebagai pusat autentikasi, otorisasi, dan pemantauan akses pengguna. Penelitian menggunakan pendekatan network development life cycle (NDLC) yang terdiri dari lima tahap: analisis, desain, simulasi, implementasi, dan monitoring. Perancangan dilakukan dengan simulasi menggunakan cisco packet tracer untuk mengevaluasi struktur jaringan sebelum diterapkan secara nyata. Sistem diuji melalui metode black box guna menilai respon autentikasi terhadap berbagai jenis percobaan akses. Hasil menunjukkan bahwa sistem mampu membatasi akses hanya pada pengguna terdaftar, meningkatkan pengawasan lalu lintas jaringan, dan memperkuat proteksi terhadap ancaman dari luar. Penerapan sistem juga memberikan efisiensi dalam pengelolaam perangkat dan pengguna melalui pencatatan aktivitas yang sistematis. Penelitian ini menegaskan pentingnya autentikasi terpusat dalam mendukung keamanan jaringan dan kelancaran operasionnal digital di institusi Pendidikan yang memiliki aktivitas pengguna dalam jumlah besar.
Perbandingan Kinerja Algoritma Naïve Bayes, Decision Tree, dan Support Vector Machine dalam Deteksi Serangan Siber Berdasarkan Log Sistem di Universitas Muhammadiyah Purwokerto Aysha, Aulya Alyana; Aji, Mukhlis Prasetyo; Wijaya, Ermadi Satriya; Pambudi, Elindra Ambar
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1196

Abstract

Keamanan sistem informasi merupakan aspek vital dalam era digital, terutama bagi institusi pendidikan yang sangat bergantung pada infrastruktur teknologi dan rentan terhadap serangan siber. Salah satu faktor penyebab lemahnya pertahanan siber adalah kurangnya pemanfaatan data log sistem sebagai alat deteksi dini terhadap potensi ancaman. Penelitian ini bertujuan untuk mengevaluasi efektivitas tiga algoritma klasifikasi machine learning—Naive Bayes, Decision Tree, dan Support Vector Machine—dalam mendeteksi serangan siber menggunakan data log sistem dari Biro Sistem Informasi Universitas Muhammadiyah Purwokerto. Metode penelitian meliputi preprocessing data, pemisahan data menjadi data latih dan uji, pelatihan model, serta evaluasi kinerja menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa algoritma Decision Tree memberikan performa terbaik dengan akurasi 99,50% dan nilai evaluasi sebesar 0,9983 pada seluruh metrik. Sementara itu, Naive Bayes memperoleh akurasi terendah sebesar 67,50%, dan Support Vector Machine mencapai 77,25% dengan nilai evaluasi 0,9200. Berdasarkan temuan ini, Decision Tree direkomendasikan sebagai algoritma utama dalam pengembangan sistem deteksi dini untuk meningkatkan keamanan dan ketahanan infrastruktur teknologi informasi di lingkungan perguruan tinggi.
Deteksi dan Klasifikasi Ancaman pada Log Serangan Siber Menggunakan Algoritma K-Nearest Neighbor (KNN) dan Random Forest (RF) Ningrum, Aissyah Wahyu; Aji, Mukhlis Prasetyo; Wijaya, Ermadi Satriya; Pambudi, Elindra Ambar
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1197

Abstract

Ancaman siber yang semakin kompleks dan terus berkembang menuntut sistem keamanan yang mampu mendeteksi serangan secara cepat dan akurat. Pesatnya perkembangan serangan siber menuntut sistem deteksi yang cerdas dan adaptif untuk mengamankan jaringan informasi. Penelitian ini bertujuan untuk menerapkan dan mengevaluasi kinerja algoritma K-Nearest Neighbor (KNN) dan Random Forest (RF) dalam mendeteksi serta mengklasifikasikan ancaman berdasarkan log serangan siber. Data yang digunakan diperoleh dari Biro Sistem Informasi Universitas Muhammadiyah Purwokerto, berjumlah 500 entri dengan 25 atribut, yang kemudian diproses melalui tahap pra-pemrosesan seperti parsing, imputasi nilai hilang, dan encoding atribut kategorikal. Model KNN dan RF dibangun dan diuji menggunakan metrik evaluasi akurasi, precision, recall, dan f1-score. Hasil menunjukkan bahwa algoritma RF memiliki kinerja yang lebih unggul dengan akurasi 94,87% dibandingkan KNN yang mencapai 89,32%. Selain itu, RF menunjukkan konsistensi tinggi dalam precision dan recall pada kedua kelas, menjadikannya lebih efektif dalam mendeteksi variasi serangan. Dengan demikian, RF direkomendasikan sebagai algoritma utama dalam pengembangan sistem deteksi ancaman siber berbasis pembelajaran mesin.
Analisis Sentimen E-Commerce dengan Optimasi IndoBERT Menggunakan Bayesian Optuna Putri, Dewi Kartika; Karyono, Giat; Tahyudin, Imam
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1208

Abstract

Pertumbuhan e-commerce di Indonesia memicu peningkatan signifikan jumlah ulasan pengguna terhadap aplikasi Shopee di Google Play, sehingga analisis manual menjadi tidak lagi efisien. Penelitian ini bertujuan untuk meningkatkan performa analisis sentimen pada ulasan pengguna e-commerce berbahasa Indonesia dengan mengoptimalkan model IndoBERT menggunakan teknik Bayesian Optimization melalui framework Optuna. Latar belakang penelitian ini berfokus pada pentingnya pengolahan opini konsumen di platform Shopee, yang semakin tidak dapat ditangani secara manual karena volume data yang besar dan keberagaman gaya bahasa. Metode yang digunakan meliputi pengumpulan data melalui web scraping, praproses teks, pembagian data, pemodelan dengan IndoBERT, serta penalaan hiperparameter menggunakan Optuna. Hasil eksperimen menunjukkan bahwa optimasi Bayesian mampu meningkatkan akurasi klasifikasi dari 89,30% menjadi 96,10% dan macro-F1 dari 85,83% menjadi 94,82%. Selain itu, false-positive dan false-negative masing-masing turun sebesar 60% dan 67%, serta nilai ROC-AUC meningkat signifikan dari 0,9028 menjadi 0,9903. Temuan ini menegaskan efektivitas Optuna dalam meningkatkan performa dan efisiensi sistem klasifikasi sentimen berbasis IndoBERT, yang dapat diintegrasikan dalam pemantauan opini secara real-time di ranah e-commerce.
Sistem Pakar Deteksi Penyakit Jantung Berbasis Forward Chaining di Rumah Sakit Muhammadiyah Lamongan Marzuqi, Hamdan Akbar; Firdonsyah, Arizona
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1212

Abstract

Penyakit jantung diklasifikasikan sebagai penyakit kronis yang terjadi akibat gangguan fungsi jantung guna mendistribusikan darah yang mengandung oksigen ke seluruh tubuh. Permasalahan ini seringkali tidak mendapatkan perhatian yang cukup, karena gejala awalnya dianggap sepele, sehingga penderita cenderung menunda perawatan medis hingga kondisinya menjadi parah. Hal ini disebabkan oleh beberapa faktor, termasuk biaya pemeriksaan yang mahal, kurangnya edukasi masyarakat mengenai gejala awal penyakit jantung, dan waktu tunggu yang terkadang lama untuk antri konsultasi poli jantung. Penelitian ini bertujuan untuk melakukan deteksi dini terhadap penyakit jantung melalui sistem pakar berbasis web dengan studi kasus di RS Muhammadiyah Lamongan. Metode penelitian dalam studi ini adalah Research and Development (R&D) dan hasil pengumpulan data dievaluasi menggunakan metode penalaran ForwardChaining. Penelitian ini menghasilkan sebuah sistem pakar yang mampu digunakan untuk deteksi dini penyakit jantung dengan tingkat akurasi mencapai 90,9%. Hasil tersebut menunjukkan bahwa sistem telah mengikuti alur rekomendasi dari pakar dengan baik, sehingga kinerja sistem pakar dinilai sesuai dan sejalan dengan logika pakar. Sistem ini berpotensi untuk meningkatkan kesadaran masyarakat tentang pentingnya deteksi dini penyakit jantung, yang dapat berkontribusi dalam mengurangi angka kematian akibat penyakit jantung melalui tindakan yang lebih cepat dan tepat di Rumah Sakit Muhammadiyah Lamongan.

Page 1 of 2 | Total Record : 17

 1   2 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 6 No 2 (2026): JPTI - Februari 2026 Vol 6 No 1 (2026): JPTI - Januari 2026 Vol 5 No 12 (2025): JPTI - Desember 2025 Vol 5 No 11 (2025): JPTI - November 2025 Vol 5 No 10 (2025): JPTI - Oktober 2025 Vol 5 No 9 (2025): JPTI - September 2025 Vol 5 No 8 (2025): JPTI - Agustus 2025 Vol 5 No 7 (2025): JPTI - Juli 2025 Vol 5 No 6 (2025): JPTI - Juni 2025 Vol 5 No 5 (2025): JPTI - Mei 2025 Vol 5 No 4 (2025): JPTI - April 2025 Vol 5 No 3 (2025): JPTI - Maret 2025 Vol 5 No 2 (2025): JPTI - Februari 2025 Vol 5 No 1 (2025): JPTI - Januari 2025 Vol 4 No 12 (2024): JPTI - Desember 2024 Vol 4 No 11 (2024): JPTI - November 2024 Vol 4 No 10 (2024): JPTI - Oktober 2024 Vol 4 No 9 (2024): JPTI - September 2024 Vol 4 No 8 (2024): JPTI - Agustus 2024 Vol 4 No 7 (2024): JPTI - Juli 2024 Vol 4 No 6 (2024): JPTI - Juni 2024 Vol 4 No 5 (2024): JPTI - Mei 2024 Vol 4 No 4 (2024): JPTI - April 2024 Vol 4 No 3 (2024): JPTI - Maret 2024 Vol 4 No 2 (2024): JPTI - Februari 2024 Vol 4 No 1 (2024): JPTI - Januari 2024 Vol 3 No 12 (2023): JPTI - Desember 2023 Vol 3 No 11 (2023): JPTI - November 2023 Vol 3 No 10 (2023): JPTI - Oktober 2023 Vol 3 No 9 (2023): JPTI - September 2023 Vol 3 No 8 (2023): JPTI - Agustus 2023 Vol 3 No 7 (2023): JPTI - Juli 2023 Vol 3 No 6 (2023): JPTI - Juni 2023 Vol 3 No 5 (2023): JPTI - Mei 2023 Vol 3 No 4 (2023): JPTI - April 2023 Vol 3 No 3 (2023): JPTI - Maret 2023 Vol 3 No 2 (2023): JPTI - Februari 2023 Vol 3 No 1 (2023): JPTI - Januari 2023 Vol 2 No 12 (2022): JPTI - Desember 2022 Vol 2 No 11 (2022): JPTI - November 2022 Vol 2 No 10 (2022): JPTI - Oktober 2022 Vol 2 No 9 (2022): JPTI - September 2022 Vol 2 No 8 (2022): JPTI - Agustus 2022 Vol 2 No 7 (2022): JPTI - Juli 2022 Vol 2 No 6 (2022): JPTI - Juni 2022 Vol 2 No 5 (2022): JPTI - Mei 2022 Vol 2 No 4 (2022): JPTI - April 2022 Vol 2 No 3 (2022): JPTI - Maret 2022 Vol 2 No 2 (2022): JPTI - Februari 2022 Vol 2 No 1 (2022): JPTI - Januari 2022 Vol 1 No 12 (2021): JPTI - Desember 2021 Vol 1 No 11 (2021): JPTI - November 2021 Vol 1 No 10 (2021): JPTI - Oktober 2021 Vol 1 No 9 (2021): JPTI - September 2021 Vol 1 No 8 (2021): JPTI - Agustus 2021 Vol 1 No 7 (2021): JPTI - Juli 2021 Vol 1 No 6 (2021): JPTI - Juni 2021 Vol 1 No 5 (2021): JPTI - Mei 2021 Vol 1 No 4 (2021): JPTI - April 2021 Vol 1 No 3 (2021): JPTI - Maret 2021 Vol 1 No 2 (2021): JPTI - Februari 2021 Vol 1 No 1 (2021): JPTI - Januari 2021 More Issue