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 598 Documents
 22   23   24   25   26 
Implementasi Sistem Load Balancing Pada Web Server Berbasis Raspberry Pi Dengan Metode Long Short-Term Memory Halimatusyadiah, Halimatusyadiah; Afrianto, Yuggo; Prakosa, Bayu Adhi
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 11 (2024): JPTI - November 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.477

Abstract

Peningkatan jumlah pengguna internet telah berhasil meningkatkan beban pada web server, mengakibatkan risiko overload dan penurunan kinerja layanan. Sistem load balancing menjadi solusi penting untuk mendistribusikan permintaan layanan secara merata. Penelitian ini mengembangkan sistem load balancing berbasis metode Long Short-Term Memory (LSTM) pada server web dengan menggunakan Raspberry Pi sebagai platform komputasi. Metode ini dijalankan untuk memprediksi beban CPU berdasarkan data time series, memungkinkan distribusi beban yang lebih akurat dan dioptimalkan. Hasil pengujian menunjukkan peningkatan total permintaan sebesar 4%, penurunan waktu respons rata-rata sebesar 9%, pengurangan tingkat error sebesar 32%, dan peningkatan throughput sebesar 12%. Penelitian ini memberikan kontribusi penting pada pengembangan sistem load balancing berbasis prediksi yang lebih disesuaikan terhadap pola lalu lintas dinamis, sekaligus menawarkan solusi hemat biaya untuk implementasi pada skala kecil.
Tinjauan Sistematis Analisis Integrasi Etnosains dalam Pembelajaran IPA dan Dampaknya terhadap Kompetensi Era Modern dan Nilai-nilai Pancasila Ismail, Irfan Ananda; Weriza, Jusmita; Mawardi, Mawardi; Lufri, Lufri; Usmeldi, Usmeldi; Festiyed, Festiyed; Handri, Silvi
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 5 (2024): JPTI - Mei 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.478

Abstract

Integrasi etnosains dalam pembelajaran IPA merupakan pendekatan yang berpotensi meningkatkan kualitas pendidikan sains di Indonesia. Penelitian ini bertujuan menganalisis potensi dan tantangan integrasi etnosains, dampaknya terhadap kompetensi era modern, serta kesesuaiannya dengan nilai-nilai Pancasila. Metode tinjauan sistematis digunakan untuk menganalisis 24 artikel penelitian terkait. Hasil menunjukkan bahwa integrasi etnosains berpotensi menciptakan pembelajaran kontekstual, namun menghadapi tantangan dalam pengembangan profesional guru dan penyesuaian kurikulum. Dampak positif terlihat pada peningkatan hasil belajar (effect size 0.65-0.82), pemahaman konsep (0.58-0.75), kemampuan berpikir kritis (0.55-0.70), dan apresiasi budaya (0.60-0.72). Pendekatan ini juga selaras dengan nilai-nilai Pancasila, tercermin dalam pengembangan aspek spiritual (0.58-0.72), kemanusiaan (0.55-0.68), persatuan (0.62-0.75), kerakyatan (0.54-0.70), dan keadilan sosial (0.52-0.65). Model pembelajaran STEAM, inkuiri, discovery, dan berbasis masalah/proyek terbukti efektif dalam implementasi. Disimpulkan bahwa integrasi etnosains merupakan strategi menjanjikan untuk mempersiapkan generasi muda Indonesia menghadapi tantangan era modern dengan tetap memperkuat identitas dan karakter bangsa.
Pola Penggunaan Media Sosial untuk Pembelajaran Mandiri Mahasiswa Setiani, Novi; Pratiwi, Ratri; Nihayah, Maryama
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 11 (2024): JPTI - November 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.479

Abstract

Media sosial telah menjadi bagian integral dari kehidupan sehari-hari mahasiswa, tidak hanya sebagai alat komunikasi, tetapi juga sebagai media pembelajaran mandiri. Penelitian ini bertujuan untuk menganalisis pola penggunaan media sosial dalam mendukung pembelajaran mandiri mahasiswa. Metode penelitian yang digunakan adalah survei kuantitatif dengan melibatkan 227 mahasiswa dari berbagai universitas. Data dikumpulkan melalui kuesioner daring yang mencakup aspek frekuensi penggunaan, jenis platform media sosial, dan aktivitas pembelajaran yang dilakukan. Analisis data menggunakan statistik deskriptif untuk mengidentifikasi hubungan antara intensitas penggunaan media sosial dan efektivitas pembelajaran mandiri. Hasil penelitian menunjukkan bahwa platform seperti TikTok (90,8%), Instagram (80%), mendominasi penggunaan di kalangan mahasiswa. 95% mahasiswa menggunakan media sosial untuk mencari informasi dan pembelajaran pada topik yang diminati. Penelitian ini memberikan rekomendasi untuk pengembangan panduan penggunaan media sosial secara efektif dalam pembelajaran mandiri, serta pentingnya integrasi literasi digital dalam kurikulum pendidikan tinggi. Temuan ini diharapkan dapat membantu mahasiswa dan institusi pendidikan untuk memaksimalkan potensi media sosial sebagai alat pembelajaran yang inovatif.
Klasifikasi Penyakit Pada Baglog Jamur Tiram Menggunakan Metode Convolutional Neural Network Christnatalis, Christnatalis; Sozaro Lase, Christoper Darius; Sitompul, Toga Hasudungan; Hondro, Anugrah Prasakti
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 11 (2024): JPTI - November 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.480

Abstract

Penelitian ini membahas permasalahan penyakit yang menyerang baglog jamur tiram, yang dapat menyebabkan penurunan kualitas dan kuantitas hasil panen. Tujuan utama penelitian ini adalah mengembangkan sistem klasifikasi penyakit pada baglog jamur tiram menggunakan algoritma Convolutional Neural Network , sehingga memungkinkan deteksi penyakit secara cepat dan akurat. Dataset gambar baglog jamur tiram yang terkena penyakit dibagi menjadi 80% untuk data training dan 20% untuk data validation. Teknik transfer learning diterapkan untuk memanfaatkan fitur-fitur dari model pra-terlatih guna meningkatkan efisiensi pelatihan dan akurasi prediksi. Transfer learning adalah teknik dalam machine learning di mana model yang telah dilatih pada satu tugas digunakan kembali sebagai titik awal untuk tugas lain yang serupa. Proses pelatihan model dilakukan sebanyak 5 kali percobaan, masing-masing dengan 25 epoch dan mendapatkan model terbai di epoch ke 8 . Melakukan beberapa percobaan dengan berbagai konfigurasi dan mengulangi proses pelatihan beberapa kali membantu memastikan bahwa hasil yang diperoleh stabil dan tidak disebabkan oleh kebetulan. Hasil penelitian menunjukkan bahwa model yang dikembangkan memiliki kinerja yang sangat baik dan konsisten, dengan akurasi validation yang stabil sebesar 97.14% dan nilai loss pada validation sebesar 0.0893. Akurasi validation menunjukkan persentase prediksi yang benar pada data validation, sementara nilai loss mengindikasikan seberapa baik model meminimalkan kesalahan prediksi.
Diagnosa Jenis Mata Katarak Menggunakan Convolutional Neural Network Pratama , Jordan Putra; Simangunsong, Andri Daniel Martua; Siregar, Saut Dohot
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 11 (2024): JPTI - November 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.481

Abstract

Penelitian ini berfokus pada pengembangan model Convolutional Neural Network (CNN) untuk mendiagnosa jenis katarak mata secara otomatis dan akurat. Data yang digunakan dalam penelitian ini dibagi menjadi dua bagian, yaitu 80% untuk pelatihan dan 20% untuk validasi. Model CNN dilatih menggunakan teknik augmentasi data untuk meningkatkan kinerja dan generalisasi. Setelah melalui proses pelatihan yang intensif, model menunjukkan kinerja yang sangat baik, dengan akurasi mencapai 98% pada data pelatihan dan 99% pada data validasi. Selain itu, hasil evaluasi menunjukkan bahwa model memiliki precision, recall, dan F1-score yang sangat tinggi. Untuk kelas mature dilabeli numerik 0 dengan precision adalah 0.99, recall 0.99 dan F1-score 1.00. Untuk kelas immature dilabeli numerik 1 dengan precision adalah 1.00, recall 0.99 dan F1-score 0.99. Hasil ini menegaskan bahwa model memiliki kemampuan kuat dalam mendiagnosa jenis penyakit mata karatak. Keberhasilan model menunjukkan potensinya untuk digunakan sebagai alat bantu diagnosis katarak dalam praktik klinis, memungkinkan deteksi yang lebih cepat dan akurat. Model juga dapat membantu mengurangi beban kerja dokter mata dengan menyediakan diagnosis awal yang dapat diandalkan. Namun, untuk memastikan keandalan dan generalisasi model dalam berbagai situasi klinis, diperlukan uji coba tambahan dengan dataset yang lebih besar dan beragam. Penelitian memberikan landasan penting untuk pengembangan lebih lanjut dalam sistem diagnostik berbasis kecerdasan buatan (AI) yang dapat meningkatkan kualitas perawatan mata dan mempercepat proses diagnosa.
Deteksi Ginjal Berdasarkan Citra CT Scan Dengan Algoritma Convolution Neural Network Lubis, Daniel; J. Sihombing, Indah Rosita; Manihuruk, Hotmaida Br; Situmorang, Benjamin; Simarmata, Alwin M
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 11 (2024): JPTI - November 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.482

Abstract

Penyakit ginjal merupakan masalah kesehatan serius yang memerlukan deteksi dini untuk meningkatkan peluang penyembuhan. Salah satu tantangan utama dalam mendeteksi kista ginjal adalah mencapai akurasi tinggi dalam klasifikasi gambar CT-Scan dengan algoritma Convolutional Neural Network (CNN), di mana metode konvensional sering kali menunjukkan hasil yang tidak konsisten. Penelitian ini bertujuan untuk mengklasifikasikan kinerja algoritma deep learning, terutama convolutional neural network dalam mendeteksi kista ginjal berdasarkan citra CT-Scan. Solusi yang diusulkan mencakup proses preprocessing yang teliti, meliputi resizing gambar, augmentasi data, segmentasi, dan ekstraksi fitur penting untuk memastikan kualitas input ke model. Dataset yang digunakan terdiri dari gambar CT-Scan dengan empat kelas, yaitu Normal, Cyst Tumor, Stone. Model yang dikembangkan berhasil mencapai akurasi 0,9494, akurasi validasi 0.9507, loss 0,1510 dan loss validasi 0,1270 pada epoch-19, menunjukkan peningkatan signifikan dibandingkan penelitian sebelumnya dengan metode serupa. Penelitian ini menunjukkan bahwa metode CNN dapat diadaptasi untuk aplikasi klinis yang lebih luas dan mendukung dokter dalam diagnosis kista ginjal secara lebih akurat dan tepat. Untuk penelitian selanjutnya, disarankan untuk mengeksplorasi teknik preprocessing yang lebih canggih serta pengujian dengan dataset yang lebih beragam untuk meningkatkan generalisasi dan keandalan model. Dengan hasil ini, algoritma CNN terbukti sebagai solusi potensial yang patut dipertimbangkan dalam deteksi kista ginjal.
Implementasi Algoritma Naïve Bayes untuk Memprediksi Kemampuan Pemrograman Mahasiswa Teknik Informatika Menggunakan Dataset Kuesioner Zega, Ide Kristiani; Medina, Nabila; Aprillia S, Debora; Yennimar, Yennimar
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 11 (2024): JPTI - November 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.483

Abstract

Permintaan tenaga kerja di bidang pemrograman semakin meningkat, sementara banyak mahasiswa yang menghadapi kesulitan dalam menguasai keterampilan pemrograman. Penelitian ini bertujuan untuk memprediksi kemampuan pemrograman mahasiswa Teknik Informatika menggunakan algoritma Naïve Bayes, dengan mempertimbangkan pemahaman dasar algoritma pemrograman sebagai parameter. Model dikembangkan dan diuji menggunakan 210 data training dan 90 data testing. Hasil pengujian menunjukkan akurasi model sebesar 100%, dengan prediksi “Mampu” sesuai kenyataan sebanyak 82 data, sedangkan prediksi “Tidak Mampu” yang sesuai dengan kenyataan sebanyak 8 data. Tidak ditemukan kesalahan prediksi pada kategori “Mampu” dan “Tidak Mampu”. Precision dan recall masing-masing mencapai 100%, mengindikasikan bahwa model ini sangat efektif dalam mengklasifikasikan mahasiswa sebagai “Mampu” dan “Tidak Mampu”. Penelitian ini berkontribusi pada pengembangan metode berbasis data untuk mengevaluasi kemampuan pemrograman mahasiswa, memberikan wawasan penting bagi perbaikan kurikulum dan penilaian pendidikan di bidang Teknik Informatika.
Rancang Bangun Platform Kolaborasi Creative Hub dan Client Berbasis Web dengan Agile dan Scrum Sugiharto, Sugiharto; Holanda, Stevanny; William, William; Fortino, Edbert; Lim, Jeksen; Gunawan, Gunawan
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 12 (2024): JPTI - Desember 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.488

Abstract

Pemerintah Indonesia berupaya meningkatkan produktivitas 17 juta pelaku industri kreatif dengan potensi ekonomi senilai 1.100 triliun rupiah melalui pendirian Creative Hub di berbagai wilayah. Namun, Creative Hub sebagai penggerak utama sektor ini menghadapi tantangan besar, seperti pendanaan, edukasi pasar, dan koneksi mitra. Untuk mengatasi masalah ini, penelitian ini mengembangkan platform berbasis web bernama Kolab Aja, yang memfasilitasi kolaborasi digital antara Creative Hub dan client dengan dukungan controller/project manager. Platform ini dirancang menggunakan metodologi Agile dan Scrum dengan integrasi framework Laravel dan Vuetify untuk memastikan fleksibilitas dan pembaruan berdasarkan masukan pengguna. Evaluasi dilakukan melalui System Usability Scale (SUS) dengan skor 85,12 (kategori “Excellent”), dan Black Box Testing yang memastikan bahwa fungsi platform sesuai dengan spesifikasi. Hasil penelitian menunjukkan bahwa Kolab Aja secara efektif mengatasi hambatan utama, seperti inkonsistensi proyek dan ekspektasi client, serta memperkuat peran manajerial dalam ekosistem Creative Hub. Namun, penelitian ini memiliki keterbatasan pada skala uji coba yang masih terbatas di Indonesia. Penelitian lanjutan disarankan untuk memperluas cakupan pengujian, mengeksplorasi integrasi teknologi yang lebih canggih, serta mengembangkan model bisnis berbasis membership atau komisi untuk mendukung keberlanjutan Creative Hub.
Analisis Perbandingan Metode Pengeringan Filamen Resin 3D Jenis Anycubic Photon Bio PLA Menggunakan Sinar UV dan Mesin Photon Wash and Cure Terhadap Kekuatan Tarik Material Azizul Nasa Al Hakim, Reza; Prabowoputra, Dandun Mahesa; Akbar, Mohammad Irham
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 8 (2024): JPTI - Agustus 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.498

Abstract

Perkembangan teknologi 3D manufacturing sangat pesat. Pembuatan benda 3 dimensi menggunakan 3D printing sudah sangat lazim digunakan pada perusahaan besar untuk menghindari terjadinya kesalaah saat produksi masal. Selain itu teknologi 3D printing juga sering digunakan untuk biomedical engineering. Bentuk yang detail dan presisi membuat produk 3D printing banyak digunakan di dunia kesehatan. Ada 2 jenis 3D printing yang umum dipasaran yaitu menggunakan material Polylactic acid atau biasa disebut dengan PLA dan material berbahan dasar cairan atau biasa kita sebut dengan resin. Penelitian ini menggunakan teknologi 3D printing yang digunakan adalah Digital Light Processing (DLP), yang memiliki keunggulan dalan kecepatan dan tingkat akurasi dimensi yang tinggi. Spesimen uji pada penelitian ini dicetak dengan menggunakan Standar ISO 527/2-5A. Penelitian ini berfokus pada membandingkan durasi pengeringan hasil cetak menggunakan sinar UV dan mesin Photon Wash and Cure. Pengujian tarik dilakukan untuk mengetahui dan menentukan efektifitas pengeringan permukaan pada hasil cetak resin. Hasil pengujian menunjukkan bahwa pengeringan menggunakan mesin Photon Wash and Cure selama 30 menit memiliki kekuatan tarik yang mendekati dengan metode pengeringan menggunakan sinar UV selama 60 menit. Penelitian ini menunjukkan bahwa pengeringan menggunakan mesin Photon Wash and Cure lebih efektif karena memiliki perbedaan waktu sebesar 50% dibandingkan dengan pengeringan menggunakan sinar UV secara langsung.
Perbandingan Naive Bayes Classifier dan Support Vector Machine untuk Analisis Sentimen terhadap Penyebaran Nyamuk Wolbachia di Indonesia Hijriani, Nurul; Ermatita, Ermatita
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 11 (2024): JPTI - November 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.499

Abstract

Demam Berdarah Dengue (DBD) merupakan penyakit endemik yang terus menjadi ancaman kesehatan masyarakat di Indonesia. Salah satu solusi inovatif yang diterapkan adalah pelepasan nyamuk Aedes aegypti yang terinfeksi Wolbachia untuk mengurangi penularan virus DBD. Program ini mendapat beragam tanggapan publik di media sosial, seperti Instagram, yang dapat memengaruhi keberhasilannya. Penelitian ini bertujuan untuk menganalisis sentimen publik terkait program tersebut menggunakan algoritma Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM). Sebanyak 3.619 komentar Instagram dikumpulkan melalui scraping, kemudian diproses menggunakan text preprocessing dengan metode N-Gram dan TF-IDF untuk ekstraksi fitur. Untuk mengatasi ketidakseimbangan data, diterapkan Synthetic Minority Oversampling Technique (SMOTE), dan data divalidasi menggunakan K-Fold Cross Validation dengan k adalah 10. Hasil menunjukkan bahwa SVM memiliki accuracy lebih tinggi sebesar 83,24% dibandingkan NBC yang mencapai 82,15%. SVM unggul dalam mendeteksi sentimen positif dengan recall sebesar 85,39%, sementara NBC menunjukkan precision lebih tinggi untuk sentimen negatif sebesar 86,36%. Hasil ini menunjukkan bahwa SVM lebih efektif untuk mengukur dukungan publik, sedangkan NBC lebih sesuai untuk mengidentifikasi kritik atau kekhawatiran. Temuan ini memberikan wawasan praktis bagi pemerintah dan pemangku kepentingan dalam meningkatkan strategi komunikasi kesehatan berbasis data untuk mendukung keberhasilan program kesehatan masyarakat.

Page 24 of 60 | Total Record : 598

 22   23   24   25   26 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue 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