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
 33   34   35   36   37 
Analisis Pemilihan Parameter pada Algoritma DBSCAN untuk Pengelompokan Titik Api di Indonesia Driyandita, Bernadeta; Kencana, I Putu Eka Nila; Wijayakusuma, I Gusti Ngurah Lanang
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.703

Abstract

Kebakaran hutan, gambut, wilayah pertanian, maupun wilayah urban dan industri menjadi salah satu ancaman terbesar bagi lingkungan, menyebabkan kerusakan ekosistem dan kerugian ekonomi yang signifikan. Penelitian ini mengusulkan optimalisasi pengelompokkan titik api di Indonesia sebagai salah upaya pencegahan kebakaran dengan menggunakan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Metodologi yang digunakan dalam penelitian mencakup pemrosesan data, pemilihan parameter tuning algoritma, dan evaluasi hasil klaster menggunakan metrik validasi internal yaitu Silhouette Coefficient (SC). Data penelitian diambil dari web FIRMS NASA berjumlah 12.708, dengan variabel yang digunakan yaitu longitude, latitude, bright_t31, brightness, fire radiative power, scan, dan track. Pada tahap pemrosesan dilakukan pembersihan dan standarisasi data memakai algoritma z-score. Selanjutnya percobaan klasterisasi dijalankan dengan mengubah-ubah nilai pada parameter epsilon (eps) sebesar 0.2, 2, 3, 4, 5, dan 10, yang dikombinasikan dengan nilai minimal point (MinPts) dari 2 sampai dengan 6.  Hasil pengelompokkan optimal yang ditemukan adalah pada saat percobaan dengan nilai eps 4 dan MinPts 4. Kondisi optimal tersebut menghasilkan 2 klaster dan 3 noise, dengan nilai SC sebesar 0.8022. Penelitian ini memberikan wawasan baru dalam pemetaan risiko kebakaran serta dapat digunakan untuk sistem pemantauan berbasis kecerdasan buatan.
Analisis Aplikasi Moises AI dalam Pembelajaran Vokal: Inovasi Digital untuk Guru Musik Nurfalah, Asep Rizwan; Karyono, Tri; Sunaryo, Ayo
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.707

Abstract

Kemajuan teknologi digital telah membawa perubahan signifikan dalam berbagai bidang, termasuk pendidikan musik. Namun, pembelajaran vokal masih menghadapi tantangan, seperti keterbatasan akses terhadap backing track yang sesuai, kurangnya fleksibilitas dalam penyesuaian tempo dan nada, serta keterbatasan umpan balik yang cepat bagi siswa. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan untuk mengevaluasi efektivitas aplikasi Moises AI dalam meningkatkan keterampilan vokal siswa melalui pendekatan pembelajaran berbasis teknologi digital. Penelitian ini menggunakan metode kualitatif deskriptif, dengan melibatkan 4 guru dan 10 siswa dari Aha Music Course (AMC) yang telah menggunakan aplikasi Moises AI selama 3 minggu. Data dikumpulkan melalui wawancara mendalam, observasi langsung, dan analisis dokumentasi, kemudian dianalisis secara tematik. Hasil penelitian menunjukkan bahwa siswa mengalami peningkatan dalam stabilitas nada, perbaikan dalam artikulasi lirik, dan mengoptimalkan kontrol dinamika suara yang lebih baik setelah memanfaatkan fitur Vocal Remover, Tempo Control, dan Transpose. Selain itu, para guru melaporkan bahwa aplikasi ini membantu mereka dalam memberikan evaluasi yang lebih cepat dan akurat terhadap perkembangan siswa. Dengan demikian, penelitian ini menegaskan bahwa aplikasi Moises AI memiliki potensi besar sebagai alat bantu pembelajaran vokal yang efektif dan merekomendasikan integrasi teknologi ini secara berkelanjutan dalam kurikulum pembelajaran musik modern.
Teknologi Pemberian Nutrisi Ikan Lele dan Tanaman Kangkung pada Sistem Aquaponik Menggunakan Teknologi IoT Aldo Pramana; Rizki Dalimunthe, Ernando; Styawati, Styawati
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.708

Abstract

Dalam budidaya ikan lele, masalah utama dalam sistem akuaponik adalah tingginya tingkat stres akibat ketidakstabilan pH dan suhu air. Kondisi ini mengganggu metabolisme ikan, menurunkan nafsu makan, dan berdampak negatif pada kesehatan ikan serta keseimbangan nutrisi tanaman, yang berujung pada ketidakseimbangan ekologi. Saat ini, banyak petani hanya mengandalkan firasat dalam memantau kondisi kolam, sehingga sulit mendeteksi perubahan pH, suhu, dan nutrisi dengan cepat. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan kualitas air otomatis berbasis Internet of Things (IoT) menggunakan platform ThingSpeak untuk meningkatkan efisiensi dan keberlanjutan akuaponik. Sistem ini juga mencakup pemberian pakan otomatis yang dikendalikan oleh servo dan RTC untuk mengurangi beban kerja petani. Metode yang digunakan adalah metode prototipe, yang mencakup perancangan, implementasi, dan pengujian sistem. Alat yang digunakan terdiri dari ESP32, Arduino, sensor pH, sensor warna TCS3200, sensor suhu DS18B20, buzzer, dan servo. Pengujian dilakukan dengan mengukur akurasi sensor dalam membaca parameter air dan membandingkannya dengan alat standar. Hasil uji coba menunjukkan bahwa ketiga sensor berhasil mengirim data ke ThingSpeak dan menampilkannya pada LCD. Suhu terendah tercatat 27,10°C pada musim hujan dan tertinggi 29,32°C pada musim panas, menegaskan pentingnya pemantauan suhu kolam secara berkelanjutan. Penelitian ini berkontribusi dalam meningkatkan efisiensi budidaya akuaponik dengan menyediakan sistem pemantauan otomatis yang lebih akurat dan praktis bagi petani.  
Peningkatan Akurasi Sensor Suhu dan Kelembaban DHT11 dengan Kalibrasi Suhu Berbasis IoT pada Platform Thingspeak Tiyas, Anis Wahyumulyaning; Erwanto, Danang; Yanuartanti, Iska
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.709

Abstract

Sensor DHT11 memiliki keterbatasan dalam akurasi pengukuran suhu dan kelembapan, yang dapat menyebabkan kesalahan dalam pemantauan kondisi lingkungan. Oleh karena itu, penelitian ini bertujuan untuk meningkatkan akurasi sensor DHT11 dengan menerapkan metode kalibrasi berbasis IoT menggunakan platform Thingspeak. Penelitian ini menggunakan metode eksperimen dengan menerapkan algoritma kalibrasi linear untuk mengoreksi pembacaan sensor DHT11 berdasarkan data referensi dari thermohygrometer. Sistem yang dirancang terdiri dari sensor DHT11, mikrokontroler ESP8266/ESP32, serta konektivitas ke Thingspeak untuk pemantauan data secara real-time. Hasil penelitian menunjukkan bahwa setelah proses kalibrasi, pembacaan suhu dan kelembapan sensor DHT11 memiliki kesamaan dengan data referensi dari thermohygrometer. Misalnya, pada enam sampel data, suhu yang telah dikalibrasi menunjukkan nilai 25.0°C, 27.5°C, 29.0°C, 26.0°C, 30.0°C, dan 31.9°C, dengan kelembapan masing-masing 60.0%RH, 62.0%RH, 58.0%RH, 65.0%RH, 70.0%RH, dan 71.0%RH. Nilai ini identik dengan pembacaan thermohygrometer, sehingga menghasilkan error persen sebesar 0% untuk seluruh data yang diuji. Data yang telah dikalibrasi kemudian dikirim ke platform Thingspeak, memungkinkan pemantauan yang lebih akurat dan andal. Implikasi dari penelitian ini adalah sistem kalibrasi otomatis berbasis IoT dapat mengurangi kebutuhan intervensi manual dalam proses kalibrasi sensor, sehingga meningkatkan efisiensi dan keandalan dalam pemantauan lingkungan. Metode ini dapat diterapkan dalam berbagai bidang seperti pertanian cerdas, sistem HVAC, dan pemantauan lingkungan industri.
Evaluasi Opini Publik di Media Sosial X terhadap Kebijakan Pajak Pertambahan Nilai 12% di Indonesia Menggunakan Naive Bayes dan Decision Tree Adamansyah, Eka Putri; Yudhistira, Aditia
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.710

Abstract

Penerapan kebijakan Pajak Pertambahan Nilai (PPN) 12% di Indonesia telah memicu beragam tanggapan dari masyarakat, khususnya di media sosial. Penelitian ini bertujuan untuk mengevaluasi pandangan publik terhadap kebijakan tersebut dengan memanfaatkan data dari media sosial X. Data dikumpulkan melalui teknik crawling, menghasilkan 1.815 tweet yang relevan dengan diskusi mengenai PPN 12%. Tahapan analisis meliputi preprocessing data serta pembobotan kata menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), diikuti dengan klasifikasi sentimen menggunakan algoritma Naive Bayes dan Decision Tree. Hasil penelitian menunjukkan bahwa meskipun algoritma Decision Tree memiliki akurasi yang lebih tinggi (93,44%) dibandingkan Naive Bayes (92,68%), namun Naive Bayes lebih efisien dalam menangani dataset yang lebih besar. Dari seluruh tweet yang dianalisis, 94,54% mengandung sentimen negatif terkait kekhawatiran tentang dampak ekonomi dan peningkatan beban pajak, sementara 5,46% mengandung sentimen positif yang umumnya menyoroti potensi peningkatan penerimaan negara dan pembangunan. Penelitian ini menyediakan wawasan bagi pemerintah dalam memahami persepsi publik serta merancang strategi komunikasi yang lebih efektif terkait kebijakan perpajakan.
Analisis Sentimen Petani Milenial Pada Media Sosial X Menggunakan Algortitma Support Vector Machine (SVM) Ma'rufudin; Yudhistira, Aditia
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.717

Abstract

Media sosial, termasuk aplikasi X, kini menjadi platform utama untuk berbagai diskusi, termasuk topik terkait pertanian milenial. Meski demikian, masih terdapat perbedaan pandangan mengenai penerapan teknologi di sektor pertanian oleh petani milenial. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap petani milenial dengan menggunakan algoritma Support Vector Machine (SVM). Sebanyak 2.430 tweet dikumpulkan melalui teknik crawling dan diproses melalui tahapan preprocessing data, seperti tokenisasi, normalisasi, penghapusan stopword, dan stemming, serta diberikan bobot menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Model SVM yang dikembangkan dalam penelitian ini mengklasifikasikan sentimen ke dalam tiga kategori: positif, netral, dan negatif. Hasil eksperimen menunjukkan bahwa model SVM mencapai akurasi 70% dengan rata-rata F1-score sebesar 0,69. Model ini memiliki precision tertinggi sebesar 0,72 untuk sentimen negatif dan recall tertinggi sebesar 0,84 untuk sentimen positif. Dibandingkan dengan algoritma Naïve Bayes yang hanya memperoleh akurasi 65%, SVM terbukti lebih efektif dalam analisis sentimen berbasis teks. Temuan ini mengindikasikan bahwa SVM dapat digunakan untuk mengidentifikasi sentimen publik terhadap petani milenial dengan lebih akurat.
Pengenalan Ekspresi Wajah untuk Mendeteksi Ketertarikan Siswa Sekolah Dasar dalam Mata pelajaran Menggunakan Metode CNN (Convolutional Neural Network) Syah, Firdiyan; Hastono, Tri; Fairuzabadi, Muhammad; Wahyu Ciptadi, Prahenusa; Warniasih, Kristina
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.724

Abstract

Efektivitas pembelajaran sangat dipengaruhi oleh tingkat ketertarikan siswa terhadap materi yang disampaikan. Salah satu indikator ketertarikan siswa yang dapat diamati adalah ekspresi wajah mereka selama proses pembelajaran. Namun, pengamatan manual oleh pendidik sering kali kurang akurat dan tidak konsisten. Oleh karena itu, pengenalan ekspresi wajah berbasis teknologi menjadi alternatif yang potensial untuk memantau dan menganalisis ketertarikan siswa secara objektif dan real-time. Penelitian ini menggunakan algoritma deep learning untuk mendeteksi ekspresi wajah siswa dan mengklasifikasikannya ke dalam kategori ketertarikan. Data diambil dari video pembelajaran yang direkam di lingkungan kelas. Model convolutional neural network (CNN) digunakan untuk ekstraksi fitur wajah, sementara algoritma klasifikasi emosi diterapkan untuk mengenali ekspresi yang relevan. Dataset pelatihan dan pengujian berupa gambar yang di photo kemudian di proses untuk menentukan ekspresi wajah siswa yang dan diberi label berdasarkan tingkat ketertarikan. Hasil penelitian menunjukkan bahwa model deep learning yang dikembangkan memiliki tingkat akurasi yang baik dalam mengenali ekspresi wajah siswa terkait ketertarikan. Model ini berhasil mendeteksi perubahan ekspresi secara konsisten dalam berbagai kondisi pencahayaan dan sudut pandang kamera. Dengan hasil ini, sistem yang diusulkan memiliki potensi untuk diimplementasikan sebagai alat pendukung dalam meningkatkan kualitas pembelajaran berbasis teknologi dapat mendukung dalam menentukan metode mengajar yang tepat.
Analisis Sentimen Terhadap Seleksi CPNS Tahun 2024 Berbasis Media Sosial X Menggunakan Algoritma Naïve Bayes Yudistira, Firnanda; Rahman Isnain, Auliya
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.731

Abstract

Analisis sentimen opini terhadap seleksi CPNS tahun 2024 berdasarkan media sosial X menerapkan algoritma Naïve Bayes telah dilakukan dalam penelitian ini. Penelitian bertujuan agar dapat melakukan identifikasi terhadap sentimen masyarakat serta mengevaluasi tingkat akurasi algoritma. Data yang dipakai meliputi 3222 tweet yang diambil dari media sosial X dengan kata kunci "cpns 2024". Hasil pengujian memperlihatkan bahwasanya model Naïve Bayes mencapai akurasi sebesar 82.02%, dengan nilai F1-score untuk kategori sentimen positif mencapai 89% dan untuk kategori negatif sebesar 49%. Precision dan recall untuk sentimen positif masing-masing mencapai 92% dan 86%, sementara untuk sentimen negatif adalah 42% dan 59%. Penelitian ini menyumbangkan wawasan mengenai persepsi masyarakat terhadap seleksi CPNS dan dapat membantu pemerintah dalam menyusun strategi komunikasi yang semakin efektif. Hasil penelitian diharapkan mampu berkontribusi signifikan dalam evaluasi proses seleksi CPNS tahun 2024 dan menjadi inspirasi bagi penelitian serupa di masa mendatang.
Analisis Keamanan Steganografi Multi-Layer dengan Enkripsi Vigenère dan Caesar Cipher pada Citra Digital hidayat, Sholeh; Nurtantio Andono, Pulung
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.786

Abstract

Kemajuan teknologi komunikasi data menghadirkan tantangan baru terkait manipulasi dan kebocoran informasi, sehingga diperlukan metode pengamanan yang lebih efektif dan andal. Kriptografi dapat mengenkripsi pesan agar sulit dipecahkan, tetapi keberadaannya masih dapat dikenali dan berisiko dianalisis lebih lanjut. Untuk mengatasi kelemahan ini, penelitian ini mengombinasikan steganografi Least Significant Bit (LSB) dengan enkripsi multi-layer menggunakan Vigenère Cipher dan Caesar Cipher guna meningkatkan keamanan data digital. Metode ini menerapkan dua lapisan perlindungan : pertama, enkripsi ganda yang mengacak pesan sebelum penyisipan agar lebih sulit direkonstruksi; kedua, teknik steganografi LSB yang menyisipkan pesan terenkripsi ke dalam citra digital tanpa mengubah struktur visual secara mencolok. Eksperimen dilakukan dengan mengukur kualitas citra hasil steganografi menggunakan PSNR dan analisis histogram untuk menilai perubahan visual. Hasil penelitian menunjukkan bahwa metode ini mampu menyisipkan pesan secara optimal tanpa menurunkan kualitas citra secara signifikan, dengan PSNR tetap berada pada tingkat tinggi, yang menunjukkan bahwa perbedaan antara citra stego dan citra asli hampir tidak terlihat. Selain itu, analisis histogram membuktikan bahwa distribusi piksel sebelum dan sesudah penyisipan tetap stabil, sehingga metode ini sulit dideteksi oleh analisis visual. Dengan demikian, pendekatan kombinasi kriptografi dan steganografi ini terbukti efektif dalam meningkatkan keamanan data digital tanpa mengorbankan kualitas visual, sehingga dapat digunakan sebagai solusi andal untuk perlindungan informasi dalam komunikasi modern.
Strategi Tindakan Kekerasan dan Bullying di Sekolah: Bentuk, Pelaku dan Pencegahannya Yudistira Nugraha, Muhamad; Sirozi, M
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.787

Abstract

Penelitian ini bertujuan untuk mengidentifikasi berbagai bentuk kekerasan dan bullying yang terjadi di sekolah, menganalisis profil pelaku, serta merumuskan strategi pencegahan yang efektif untuk mengurangi insiden kekerasan dan bullying di lingkungan sekolah.Kasus kekerasan dan bullying, baik dalam bentuk fisik, verbal, maupun siber, semakin meningkat dan menimbulkan dampak jangka panjang bagi korban dan pelaku.penelitian ini menggunakan pendekatan kualitatif dengan teknik pengumpulan data melalui wawancara mendalam, observasi, dan analisis dokumen terkait kebijakan sekolah. Responden terdiri dari guru, siswa, dan pihak terkait lainnya yang memiliki pengalaman atau pengetahuan mengenai kekerasan dan bullying di sekolah.selain itu, pencegahan yang paling efektif melibatkan pendekatan holistik yang mencakup pendidikan karakter, peningkatan kesadaran, pelatihan keterampilan sosial, serta kebijakan yang jelas dan tegas dari pihak sekolah.pentingnya integrasi upaya pencegahan kekerasan dan bullying di sekolah dengan melibatkan semua pihak, termasuk pihak sekolah, orang tua, dan masyarakat.

Page 35 of 60 | Total Record : 598

 33   34   35   36   37 

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