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
 41   42   43   44   45 
Pengembangan Sistem Informasi Kasir pada The King Coffee Karanganyar Berbasis Website Menggunakan Metode Waterfall Dewi Mardika, Shela; Widayat, Widi
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 6 (2025): JPTI - Juni 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.865

Abstract

Sistem Informasi Kasir berbasis web pada The King Coffee dirancang unutk meningkatkan efisiensi, akurasi, dan kecepatan dalam proses transaksi penjualan serta pengelolaan menu dan pelaporan keuangan. Sebelumnya, pengelolaan penjualan di The King Coffee dilakukan secara manual sehingga rawan kesalahan pembukuan dan menyebabkan waktu tunggu pelanggan menjadi lebih lama. Sebagai solusi, dikembangkan sistem informasi kasir berbasis web menggunakan metode Waterfall, yang mencakup tahapan analisis kebutuhan, desain, implementasi, pengujian, serta pemeliharaan sistem. Hasil pengujian blackbox menunjukkan semua fitur berjalan sesuai dengan fungsinya, sedangkan pengujian System Usability Scale (SUS) memperoleh skor rata-rata 78,5 yang termasuk dalam kategori “Good.” Sistem ini terbukti meningkatkan efisiensi operasional, akurasi pencatatan transaksi, serta mendukung pengambilan keputusan manajerial secara lebih cepat dan tepat, sehingga berpotensi memberikan kontribusi signifikan dalam pengembangan sistem informasi bisnis berbasis web.
Pengembangan Aplikasi Mobile Gahari033 Menggunakan Metode Agile untuk Meningkatkan Partisipasi UMKM Salsabilla Nuraini, Arwinda; Gunawan, Dedi
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 6 (2025): JPTI - Juni 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.866

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran strategis dalam perekonomian Indonesia, terutama dalam kontribusinya terhadap Gross Domestic Product (GDP) dan penciptaan lapangan kerja. Namun, keterbatasan akses terhadap pasar digital dan sistem pembayaran daring masih menjadi hambatan signifikan, yang diperburuk oleh kurangnya pengalaman pengguna (user experience/UX) yang optimal. Kontribusi penelitian adalah pengembangan aplikasi berbasis mobile marketplace yang bertujuan untuk meningkatkan pengalaman pengguna. Aplikasi dikembangkan dengan menggunakan Jetpack Compose untuk antarmuka, Midtrans sebagai sistem pembayaran dan Supabase sebagai backend. Pendekatan Agile diterapkan untuk menangkap kebutuhan pengguna secara iteratif, sedangkan pengujian fungsionalitas dilakukan melalui metode Black Box Testing yang menunjukkan bahwa seluruh fitur berjalan tanpa kesalahan (error 0%). Evaluasi usability menggunakan System Usability Scale (SUS) melibatkan 60 responden dan menghasilkan skor sebesar 75, yang mengindikasikan bahwa aplikasi ini memenuhi kebutuhan users.
Analisis Tingkat Akurasi Metode Naive Bayes dan Random Forest dalam Prediksi Penjualan Emas Pandu W, Muhammad Arfianto; Saputro, Rujianto Eko; Purwadi, Purwadi; Rohmah, Umdah Aulia
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 7 (2025): JPTI - Juli 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.732

Abstract

Penelitian ini bertujuan untuk menganalisis tingkat akurasi metode Naive Bayes dan Random Forest dalam prediksi penjualan emas, yang memainkan peran penting dalam perencanaan investasi dan strategi bisnis di sektor pertambangan, terutama dalam menghadapi volatilitas pasar yang tinggi. Metode penelitian yang digunakan adalah narrative literature review, yang berfokus pada perbandingan dan analisis teori-teori yang ada sebelumnya. Pendekatan ini memungkinkan peneliti untuk mengevaluasi, mengidentifikasi, dan menganalisis literatur yang relevan serta menyarikan temuan-temuan penting yang dapat memberikan wawasan lebih dalam tentang topik yang dikaji. Dalam konteks ini, Naive Bayes dan Random Forest digunakan untuk meramalkan fluktuasi harga emas dan perilaku pembelian produk, dengan fokus pada pengoptimalan strategi pemasaran. Hasil analisis menunjukkan bahwa Naive Bayes efektif dalam mengidentifikasi produk yang diminati dan memfasilitasi perencanaan pemasaran. Namun, Random Forest menunjukkan keunggulan dalam prediksi yang lebih kompleks, seperti perilaku repeat order pelanggan, berkat kemampuannya untuk menangani data variatif dan mengurangi risiko overfitting melalui pendekatan ensemble yang menggabungkan banyak pohon keputusan. Meskipun terdapat sedikit penurunan akurasi pada data pengujian, Random Forest tetap dapat menghasilkan prediksi yang akurat dan robust. Oleh karena itu, kedua metode ini memberikan kontribusi signifikan dalam merancang strategi bisnis dan keputusan investasi yang lebih akurat, dengan Random Forest lebih unggul dalam menghadapi data yang lebih kompleks. Kontribusi penelitian ini yakni memberikan landasan teoretis tentang penerapan algoritma pembelajaran mesin di sektor pemasaran berbasis data, serta menjadi panduan bagi praktisi dan peneliti dalam memilih metode prediktif yang tepat.
Pengembangan Aplikasi First Person Shooter (Fps) Sebagai Simulasi Latihan Tembak Berbasis Virtual Reality Anaking, Purnama; Abdillah, Rosyid; Faricha, Anifatul; Rahmawati, Dewi; Ulfadilah, Anisa; Aditya Nugroho, Dito; Laridho Sembiring, Lorenzo
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 7 (2025): JPTI - Juli 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.748

Abstract

Pelatihan menembak merupakan bagian penting dalam pengembangan keterampilan personel militer. Namun, penggunaan senjata asli dalam latihan memiliki risiko yang tinggi dan biaya operasional yang besar. Teknologi Virtual Reality (VR) menawarkan alternatif berupa simulasi pelatihan yang aman, efisien, dan imersif. Penelitian ini bertujuan mengembangkan aplikasi simulasi latihan tembak menggunakan pendekatan First Person Shooter (FPS) berbasis VR. Metode pengembangan yang digunakan adalah Multimedia Development Life Cycle (MDLC), yang meliputi enam tahap: concept, design, material collecting, assembly, testing, dan distribution. Aplikasi yang dibangun menyediakan tiga level kesulitan (easy, normal, hard) dan diuji menggunakan metode black-box dengan partisipasi atlet tembak dan pengguna gamer. Hasil pengujian menunjukkan bahwa aplikasi mampu menstimulasikan pengalaman latihan menembak secara realistis dan responsif. Penelitian ini berkontribusi dalam menyediakan alternatif pelatihan menembak yang adaptif dan berbiaya rendah, serta memiliki potensi untuk diterapkan dalam pelatihan militer atau olahraga tembak.
Evaluasi Penerimaan Fitur Chatgpt Berdasarkan Motivasi Intrinsik dengan Pendekatan Tam Suryantari, Putu Anggi; Pratama, Arista; Ridwandono, Doddy
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 7 (2025): JPTI - Juli 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.810

Abstract

Penelitian ini bertujuan untuk mengevaluasi penerimaan fitur ChatGPT di kalangan mahasiswa Fakultas Ilmu Komputer, dengan menggunakan Technology Acceptance Model (TAM) yang dimodifikasi. Fokus penelitian ini adalah untuk mengidentifikasi pengaruh motivasi intrinsik dan persepsi kegunaan terhadap niat perilaku mahasiswa dalam mengadopsi teknologi ChatGPT sebagai alat bantu pembelajaran. Metode yang digunakan dalam penelitian ini adalah kuantitatif dengan pengumpulan data melalui kuesioner yang disebarkan kepada 356 responden mahasiswa yang aktif menggunakan fitur ChatGPT dalam aktivitas akademik mereka. Analisis data dilakukan menggunakan Structural Equation Modeling (SEM-PLS) dengan software SmartPLS 4. Hasil penelitian menunjukkan bahwa motivasi intrinsik memiliki pengaruh positif yang signifikan terhadap persepsi kemudahan penggunaan dan persepsi kegunaan. Persepsi kegunaan terbukti memediasi hubungan antara motivasi intrinsik dan niat perilaku untuk menggunakan ChatGPT. Selain itu, persepsi kemudahan penggunaan berpengaruh positif terhadap persepsi kegunaan dan niat perilaku, meskipun tidak memiliki pengaruh langsung terhadap niat perilaku. Penelitian ini memberikan kontribusi penting dalam pemahaman faktor-faktor yang mempengaruhi penerimaan teknologi ChatGPT, dengan menekankan pada pentingnya motivasi intrinsik dan persepsi kegunaan dalam mendukung adopsi teknologi ini di lingkungan pendidikan tinggi. Rekomendasi yang dihasilkan dari penelitian ini diharapkan dapat membantu pengembang dan institusi pendidikan dalam merancang fitur-fitur ChatGPT yang lebih efektif dan mudah diakses oleh mahasiswa.
Evaluasi Kinerja Model LSTM Untuk Prediksi Risiko Penyakit Jantung Menggunakan Dataset Saputra, M. Alfi; Sugihartono, Tri
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 7 (2025): JPTI - Juli 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.821

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, termasuk di Indonesia. Deteksi dini terhadap risiko penyakit jantung menjadi krusial dalam menurunkan angka kematian dan meningkatkan kualitas hidup pasien. Penelitian ini bertujuan untuk mengevaluasi kinerja model Long Short-Term Memory (LSTM), sebagai bagian dari metode deep learning, dalam memprediksi risiko penyakit jantung dengan menggunakan data simulasi. Data terdiri dari 70.000 entri dengan 16 variabel yang mencerminkan kondisi klinis dan gaya hidup pasien. Proses penelitian meliputi tahapan preprocessing, pelatihan model LSTM, serta evaluasi menggunakan metrik seperti akurasi, presisi, recall, F1-score, dan AUC-ROC. Hasil evaluasi menunjukkan bahwa model LSTM mencapai akurasi sebesar 0,8034, presisi 0,8055, recall 0,8023, F1-score 0,8039, dan AUC-ROC 0,8036. Meskipun performa model cukup menjanjikan, masih terdapat kelemahan berupa jumlah false negative yang signifikan. Hal ini mengindikasikan perlunya pengembangan lebih lanjut, seperti penyesuaian ambang prediksi, teknik penyeimbangan kelas, dan eksplorasi model ensemble. Penelitian ini memberikan kontribusi konkret dalam penerapan model LSTM untuk sistem prediksi risiko penyakit jantung, dan diharapkan dapat memberikan kontribusi pada pengembangan sistem prediksi penyakit jantung berbasis kecerdasan buatan. Temuan ini juga berimplikasi pada penguatan pendekatan ilmiah dalam bidang ilmu kesehatan digital dan potensi penerapannya dalam praktik klinis secara lebih luas.
Implementasi Metode ViSQOL Dalam Mengidentifikasi Noise pada Kualitas Suara Streaming Spotify Setiawan Matangkin, Jimmi; Rudatyo Himamunanto, Agustinus; Budiati, Haeni; Sumihar, Yo'el Pieter
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 7 (2025): JPTI - Juli 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.848

Abstract

Kualitas suara pada layanan streaming Spotify seringkali tidak konsisten akibat gangguan noise dan variasi parameter jaringan, yang berdampak pada kualitas pengalaman pengguna (QoE). Penelitian ini bertujuan mengevaluasi kualitas audio Spotify menggunakan algoritma ViSQOL dengan menganalisis pengaruh jenis noise seperti pink noise, background noise, compression noise, dan impulse noise. Network noise juga diuji berdasarkan parameter jaringan yaitu throughput, delay, packet loss, dan jitter. Sebanyak 800 sampel audio direkam menggunakan Audacity dan dianalisis di MATLAB untuk memperoleh nilai Mean Opinion Score (MOS), Signal-to-Noise Ratio (SNR), dan Spectral Distortion. Hasil menunjukkan bahwa pink noise 50% menurunkan MOS menjadi 61–65%, sementara impulse noise memberikan dampak paling signifikan dengan MOS 15–17%. Background noise masih dapat ditoleransi. Pada parameter jaringan, MOS tertinggi diangka 4.31 terjadi pada delay 132.16 ms dan packet loss 0.49%, sedangkan MOS terendah diangka 4.26 tercatat saat delay 62.15 ms dan packet loss 1.9%. Temuan ini menegaskan pentingnya pengendalian terhadap noise dan stabilitas jaringan untuk menjaga kualitas layanan audio.
Optimasi Random Forest untuk Prediksi Penyakit Jantung Menggunakan SMOTEENN dan Grid Search Susanto, Erliyan Redy; Eka Pranajaya, Akbar
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 7 (2025): JPTI - Juli 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.855

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, dengan sekitar 17,9 juta kematian setiap tahun. Diagnosis dini dan akurat sangat penting untuk pengobatan yang efektif, namun ketidakseimbangan kelas dalam dataset medis sering menyebabkan bias pada model prediktif, khususnya dalam mengidentifikasi pasien dengan penyakit jantung (kelas minoritas). Studi ini bertujuan untuk mengoptimalkan kinerja algoritma Random Forest dalam memprediksi penyakit jantung dengan mengatasi ketidakseimbangan data menggunakan teknik SMOTEENN (Synthetic Minority Over-sampling Technique combined with Edited Nearest Neighbors) serta penyetelan hiperparameter melalui GridSearchCV. Dataset dibagi menjadi data pelatihan (80%) dan pengujian (20%), dengan evaluasi kinerja menggunakan metrik akurasi, presisi, recall, spesifisitas, F1-score, dan AUC ROC. Hasil penelitian menunjukkan bahwa model yang dioptimalkan mencapai akurasi sebesar 94%, presisi 87%, recall 100%, spesifisitas 91%, F1-score 93%, dan AUC sebesar 0,99. Teknik SMOTEENN terbukti efektif dalam meningkatkan representasi kelas minoritas tanpa menimbulkan noise yang signifikan, sementara GridSearchCV berhasil menemukan kombinasi hiperparameter terbaik untuk meningkatkan performa model. Model Random Forest yang dihasilkan menunjukkan potensi tinggi sebagai alat bantu diagnosis dini penyakit jantung, yang dapat berkontribusi dalam menurunkan angka kematian dan meningkatkan efisiensi biaya perawatan.
Optimasi Kueri pada Database Oracle Melalui Indeks dan Partisi Tabel untuk Data Besar Sugiarto, Bambang; Bagusputra, Argan Imam; Samidi, Samidi
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 7 (2025): JPTI - Juli 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.862

Abstract

Mengoptimalkan kinerja database sangat krusial di era dominasi data. Pertumbuhan data eksponensial, khususnya pada data Kredit Usaha Rakyat (KUR) sejumlah 227.587.131 baris di database Oracle yang digunakan dalam penelitian ini, menjadi tantangan utama. Eksekusi kueri SQL yang lambat menghambat efisiensi operasional. Penelitian ini menerapkan strategi optimasi kinerja database Oracle melalui teknik pengindeksan (indeks tunggal dan komposit) dan partisi tabel berdasarkan rentang (kolom tahun). Kedua teknik ini bertujuan mempercepat pengambilan data dan meningkatkan efisiensi akses pada tabel besar. Tujuan penelitian adalah mengoptimalkan eksekusi kueri SQL pada data KUR yang besar tersebut. Evaluasi dilakukan dengan membandingkan waktu respons kueri pada empat skenario tabel (tanpa indeks, indeks tunggal, indeks komposit, serta indeks komposit dengan partisi). Hasil evaluasi menunjukkan bahwa penerapan indeks (tunggal dan komposit) serta partisi tabel secara umum meningkatkan kinerja kueri seleksi dan join secara signifikan dibandingkan tanpa optimasi, dengan waktu tercepat dicapai pada tabel berpartisi dengan penyebutan partisi eksplisit (0,082 detik untuk seleksi sederhana). Namun, untuk kueri agregasi, tabel tanpa indeks memberikan waktu respons lebih cepat (58.100 detik) dibandingkan tabel dengan indeks tunggal (71.700 detik) ataupun kombinasi indeks komposit dan partisi.
Evaluasi Kinerja Model Random Forest Dalam Memprediksi Diabetes Berdasarkan Dataset Kesehatan di Indonesia Susanto, Erliyan Redy; Inzaghi, M. Rana; Amarudin, Amarudin; Neneng, Neneng
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 7 (2025): JPTI - Juli 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.871

Abstract

Penyakit  diabetes atau sering disebut dengan penyakit gula darah adalah sekelompok penyakit metabolik yang ditandai dengan tingginya kadar gula darah pada seseorang yang terkena, dan bertahan dalam jangka waktu lama. Di Indonesia sedikitnya terdapat 20 juta orang pada usia 20-79 tahun menderita diabetes pada tahun 2024. Hal ini disebabkan oleh kurangnya akses terhadap alat prediksi yang efektif, serta keterbatasan pada pendekatan tradisional bergantung pada diagnosis medis manual yang memakan waktu dan biaya. Permasalahan ini muncul karena kurangnya pemanfaatan teknologi berbasis data dalam menganalisis faktor risiko yang kompleks dan saling terkait.  Penelitian ini bertujuan menggunakan model random forest untuk melakukan klasifikasi terhadap penyakit diabetes serta mengevaluasi nilai akurasi dengan evaluasi model menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Teknik akurasi yang digunakan yaitu confusion matrix untuk mengukur performa dalam permasalahan sehingga menghasilkan nilai akurasi yang sesuai. Hasil penelitian ini dapat memberikan wawasan praktis tentang konfigurasi optimal model untuk aplikasi dunia nyata, sehingga meningkatkan akurasi dan keandalan sistem prediksi diabetes. Model diuji menggunakan data uji yang telah dipisahkan sebelumnya dengan rasio 80:20. Hasil evaluasi kinerja model menunjukkan akurasi sebesar 0.99%, presisi 0.99%, recall 0.99%, F1-score 0.99%, Specificity 0.99% dan ROC-AUC Score 89.2%.  Hasil penelitian bermanfaat untuk membantu dokter dan tenaga kesehatan serta masyarkat umum untuk mendeteksi penyakit diabetes sejak dini.

Page 43 of 60 | Total Record : 598

 41   42   43   44   45 

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