cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Prananda Anugrah
Contact Email
jitet.journal@um.ac.id
Phone
-
Journal Mail Official
jitet.journal@um.ac.id
Editorial Address
Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LP2M) Alamat: Graha Rektorat Lantai 6, Jl. Semarang No.5, Sumbersari, Kec. Lowokwaru, Kota Malang, Jawa Timur 65145, Indonesia
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Inovasi Teknologi dan Edukasi Teknik
Published by Universitas Negeri Malang
ISSN : -     EISSN : 27977196     DOI : 10.17977
Core Subject : Engineering,
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Electrical & Electronics Engineering Industrial & Manufacturing Engineering
Jurnal Inovasi Teknologi dan Edukasi Teknik menerbitkan naskah terkait Teknik Sipil, Teknologi Industri, Teknik Mesin, Teknik Elektro, dan Pendidikan Kejuruan. Fokus dan lingkup jurnal meliputi Teknik Sipil, Teknologi Industri, Teknik Mesin, Teknik Elektro, dan Pendidikan Kejuruan
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 270 Documents
 14   15   16   17   18 
Adaptasi Manusia yang Hidup Sejak Era Society 3.0 di Era Society 5.0 saat Pandemi Covid-19 Mohammad Agung Rizki; Anik Nur Handayani
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 11 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i112022p504-509

Abstract

In the era of society, it began with human activities to hunt and gather food to rely on technology to solve their problems. But in each era, humans must be able to adapt in order to accept rapid development. Especially during the Covid-19 pandemic. It is hoped that humans will be able to adapt to the times so that they are not left behind by the times and can survive well. The method used to complete the research is by studying literature from existing journals. It can be concluded that humans can adapt to the era of globalization, namely from the era 3.0 to 5.0. It has become human nature to always evolve with the times. In addition, the pandemic also encourages humans to always be compatible with new things that can change their lives. In the education sector, humans receive face-to-face education and use technology to support their learning. In the office sector, they have to go to work in the morning and come home at night to use technology to improve their performance and be able to interact with their families. In the MSME sector, after the pandemic, MSME players can increase sales through media that can market their products more broadly. The result obtained is that now humans cannot be separated from technology that has helped their activities. Like the education sector, which continues to use existing technology even though they have met face to face with their teachers and friends. Pada era society diawali dengan kegiatan manusia untuk berburu dan meramu makanan hingga mengandalkan teknologi untuk menyelesaikan permasalahan mereka. Namun pada setiap eranya, manusia harus mampu beradaptasi agar dapat menerima perkembangan yang pesat. Terutama saat pandemi covid-19. Diharapkan manusia mampu beradaptasi dengan perkembangan zaman agar tidak tertinggal oleh zaman dan bisa bertahan hidup dengan baik. Metode yang dilakukan untuk menuntaskan penelitian adalah dengan studi literatur dari jurnal yang ada. Dapat disimpulkan bahwa manusia dapat beradaptasi pada era globalisasi yakni dari era 3.0 ke 5.0. Hal tersebut sudah menjadi fitrah manusia untuk selalu berkembang mengikuti perkembangan zaman. Selain itu pandemi juga mendorong agar manusia selalu serasi dengan hal baru yang dapat mengubah hidupnya. Pada sektor pendidikan manusia memperoleh pendidikan secara tatap muka hingga menggunakan teknologi untuk menunjang belajar mereka. Pada sektor perkantoran, mereka harus pergi bekerja di pagi hari dan pulang di malam hari hingga menggunakan teknologi untuk meningkatkan kinerja mereka dan dapat berinteraksi dengan keluarga. Pada sektor UMKM, setelah pandemi pelaku UMKM dapat meningkatkan penjualan melalui media yang dapat memasarkan produknya lebih luas. Hasil yang didapatkan adalah, kini manusia tidak dapat terlepas dari teknologi yang sudah memmbantu aktivitas mereka. Seperti halnya sektor pendidikan yang tetap menggunakan teknologi yang ada walaupun sudah bertatap muka dengan guru dan teman mereka.
Efek Komunikasi Massa Terhadap Masyarakat di Era Society 5.0 Roudhotulloh Nazakhan; Aji Wibawa
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 11 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i112022p510-515

Abstract

The rapid advancement of technology and communication brings significant changes to the industrial landscape and society as a whole. The concept 5.0, derived from the Fourth Industrial revolution, focuses on the use of technology and communication to solve social issues and create a better sustainability. Communication is considered cruialin society 5.0, particulary in the context of technologial development and digital transformation. In this era, society 5.0 is changing its methods of communication, and the impact of these changes is evident. This literatur review employs a method of collecting data from various written and electronic sources. The result indicate that mass communication has both negative and positif effects, and it is essential for individuals to learn about media literature to filter incoming information and understand and identify the quality of the message. With the continued development of technology and digital transformation, it is hoped that society can create a more inclusive, sustainable, and innovative future. Kemajuan teknologi dan komunikasi yang terus berkembang membawa perubahan besar dalam tatanan industri dan kehidupan masyarakat. Konsep society 5.0 yang dihasilkan dari revolusi industri 4.0 berfokus pada penggunaan teknologi dan komunikasi untuk mneyelesaikan permasalahan sosial dan menciptakan keberlanjutan yang lebih baik. Komunikasi dalam society 5.0 dianggap penting, terutama dalam konteks pengembangan teknologi dan trasnformasi digital. Masyarakat dalam era society 5.0 mulai mengubah metode komunikasi mereka, dan perubahan komunikasi dalam masyarakat dapat dilihat dengan jelas. Metode yang digunakan dalam penelitian ini adalah metode kepustakaan, dengan mencari serta mengumpulkan data dari berbagai dokumen tertulis maupun elektronik. Hasil penelitian menunjukan bahwa komuniikasi massa memiliki efek positif dan negatif, dan tentunya masyarakat harus mempelajari literatur media sehingga dapat memfilter informasi yang diterima agar dapat memahami dan mengindentifikasi kualitas isi pesan yang diterima dan dengan pengembangan teknologi dan transformasi digital diharapkan masyarakat dapat menciptakan masyarakat yang inklusif, berkelanjutan dan inovatif.
Evolusi Pertanian Di Era Society 5.0 Satria Yuda Setiawan; Aji Wibawa
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 11 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i112022p516-521

Abstract

This research discusses the readiness of Indonesian agriculture to face the Society 5.0 era. Agriculture is an important sector that provides food for humans worldwide, including Indonesia. However, agriculture in Indonesia is facing challenges in facing the super-smart society. This study used qualitative descriptive analysis methods by collecting and evaluating quality and relevant references with certain criteria. The results showed that Indonesian agriculture needs to prepare for several aspects such as the use of new technology, improving the quality of human resources, implementing environmentally friendly farming practices, and increasing target markets to face existing challenges. If Indonesian agriculture is ready to face the Society 5.0 era properly, the agricultural sector will become more productive and sustainable in the future to support the sustainability of human life. Penelitian ini membahas mengenai kesiapan pertanian Indonesia dalam menghadapi era Society 5.0. Pertanian merupakan sektor penting yang menyediakan makanan bagi manusia di seluruh dunia, termasuk Indonesia. Namun, pertanian di Indonesia dihadapkan pada tantangan untuk menghadapi masyarakat super pintar. Penelitian ini menggunakan metode analisis deskriptif kualitatif dengan mengumpulkan dan mengevaluasi referensi berkualitas dan relevan dengan kriteria tertentu. Hasil penelitian menunjukkan bahwa pertanian Indonesia perlu mempersiapkan beberapa aspek seperti penggunaan teknologi baru, meningkatkan kualitas sumber daya manusia, mengimplementasikan praktik pertanian yang ramah lingkungan, dan meningkatkan target pasar untuk menghadapi tantangan yang ada. Jika pertanian Indonesia siap menghadapi era Society 5.0 dengan matang, maka sektor pertanian akan menjadi lebih produktif dan berkelanjutan di masa depan untuk mendukung keberlangsungan hidup umat manusia.
Teknologi Informasi Tentang Sebagai Dasar Transformasi Menjadi Masyarakat Digital Dan Industri 5.0 Muhammad Younas Darvish; Anik Nur Handayani
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 11 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i112022p522-526

Abstract

This abstract will provide an overview of the concept of a digital society and industry 5.0, which is a new paradigm of industry that focuses on the integration of advanced technologies with a human-centric approach. The digital society is an emerging trend where technology is transforming the way people live, work, and interact with each other. The type of factories 5.0 refers to the next phase of industrial revolution, where the focus is not just on automation, but also on empowering and augmenting human labor. The integration of advanced technologies, such as Artificial Intelligence (AI), Internet of Things (IoT), and Big Data, is enabling the creation of intelligent, human-centric systems that can interact with humans in a natural and intuitive way. This transformation is enabled by the advancements in Information Technology (IT), which have made it possible to create more intuitive and interactive systems. However, as we move towards Industry 5.0, it is important to keep in mind the importance of ethical and responsible use of technology to ensure that it benefits society. Abstrak ini akan memberikan gambaran tentang konsep masyarakat digital dan industri 5.0, yang merupakan paradigma baru industri yang berfokus pada integrasi teknologi canggih dengan pendekatan human centric. Masyarakat digital adalah tren yang muncul di mana teknologi mengubah cara orang hidup, bekerja, dan berinteraksi satu sama lain. Tipe pabrik 5.0 mengacu pada fase revolusi industri berikutnya, di mana fokusnya tidak hanya pada otomatisasi, tetapi juga pada pemberdayaan dan penambahan tenaga kerja manusia. Integrasi teknologi canggih, seperti Artificial Intelligence (AI), Internet of Things (IoT), dan Big Data, memungkinkan terciptanya sistem cerdas yang berpusat pada manusia yang dapat berinteraksi dengan manusia secara alami dan intuitif. Transformasi ini dimungkinkan oleh kemajuan Teknologi Informasi (TI), yang memungkinkan terciptanya sistem yang lebih intuitif dan interaktif. Namun, saat kita bergerak menuju Industri 5.0, penting untuk diingat pentingnya penggunaan teknologi yang etis dan bertanggung jawab untuk memastikan bahwa teknologi tersebut bermanfaat bagi masyarakat secara keseluruhan..
FlashCard Mobile Web App untuk Pembelajaran Matematika dengan Sencha Touch FrameWork Tjwanda Putera Gunawan; Esther Irawati Setiawan; Heppi Siswanto; Setya Ardhi; Joan Santoso
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 3 No. 2 (2023)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v3i22023p99-104

Abstract

A flashcard is a learning card that is used by children. This study card has two sides, the front and rear. The front section usually contains questions, and the back contains the answers. The way to learn this card is by opening the front of the card and thinking about the answer. Then the card is reversed, if the answer is like the answer on the back of the card, it is correct. If the answer is wrong, this process is repeated until the answer is correct. Sencha Touch is a mobile web app framework. This framework is used by developers who want to develop web applications like the original, but Sencha only runs on the client side. If the developers want to run the application on the server side, they can use PHP which is called by using Ajax request. This application aims to develop a mobile flashcard application using Sencha Touch. Features such as quizzes and group will be added to share the flashcard or quiz questions with friends and find out their learning activities. There is also a multimedia feature, by which users can add images, voice, or video on flashcards. The use of Sencha Touch mobile web is very helpful because the GUI for web app development using Sencha Architect. Sencha Touch handles only the client side, so it is necessary to have an application to handle the server side for database processing, which is done by using PHP called by using Ajax request. Flashcard merupakan kartu belajar yang pada umumnya digunakan untuk belajar anak-anak pada usia balita. Kartu belajar tersebut memiliki dua sisi, bagian depan dan bagian belakang. Pada bagian depan biasanya berisi pertanyaan, dan bagian belakang berisi jawaban. Cara mempelajarinya adalah dengan membuka kartu bagian depan, kemudian pengguna memikirkan jawabannya. Setelah itu kartu dibalik, jika jawaban yang dipikirkan sama dengan jawaban pada bagian belakang kartu, maka jawabannya benar. Jika jawabannya salah pembelajaran diulangi berkali-kali hingga jawabannya benar. Sencha Touch merupakan framework mobile web app. Framework ini digunakan para pengembang yang ingin membuat aplikasi web seperti aplikasi asli, tetapi pada Sencha hanya berjalan pada client side. Jika pengembang ingin menjalankan aplikasi server side, pengembang dapat menggunakan PHP yang dipanggil menggunakan Ajax request. Aplikasi ini bertujuan membuat suatu aplikasi flashcard dengan Sencha Touch. Fitur yang akan ditambahkan antara lain fitur quiz, fitur grup untuk dapat berbagi kartu flashcard atau soal quiz kepada teman, dan mengetahui aktifitas belajar teman. Juga ada fitur multimedia, dimana pengguna dapat menambahkan gambar, suara, atau video pada flashcard yang dibuat. Penggunaan Sencha Touch sangat membantu pembuatan mobile web app, karena adanya GUI untuk pembuatan web app dengan menggunakan Sencha Architect. Sencha Touch hanya menangani aplikasi secara client side, sehingga dibutuhkan aplikasi server side untuk pengolahan database, yaitu dengan menggunakan PHP yang dipanggil menggunakan Ajax request.
Permodelan pada Information Retrieval: Literature Review Erwina Nurul Azizah; Anik Nur Handayani
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 11 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i112022p527-535

Abstract

Information Retrieval (IR) is a technique for finding information stored in relevant sources according to user needs. There are various ways to use IR, but this paper focuses on modeling which is used as a framework for information retrieval. There are three types of IR models developed in this paper. IR modeling techniques will be explained as proposed in the literature with a detailed description of the modes, such as Boolean and Region models. Also included are the advantages and disadvantages of each model. Information Retrieval (IR) adalah teknik untuk menemukan sebuah informasi yang tersimpan pada sumber yang relevan sesuai dengan kebutuhan pengguna. Ada berbagai cara memanfaatkan IR, namun pada paper ini difokuskan pada permodelan yang dipakai sebagai kerangka dalam pengambilan informasi. Ada tiga jenis model IR yang dikembangkan pada paper ini. Teknik permodelan IR akan dijelaskan sesuai yang diusulkan di literatur dengan penjabaran terperinci tentang mode-model tersebut, seperti model Boolean dan Region. Disertakan juga keunggulan dan kelemahan masing-masing model.
Review Literature Sistem Rekomendasi Rekrutmen Karyawan Elmiyadi Novia Farma; Harits Ar Rosyid
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p536-540

Abstract

The Decision Support System for providing recommendations is expected to be able to assist various parties in providing employee recommendations in the needs of an organization or company. The various factors that affect individual performance make predictions have a high gain. So it is necessary to have a method that can make recommendations that are effective against high gain. To create a recommendation system, data maining techniques are needed. One method in the classification is K-Nearest Neighbor which has the advantage of high gain. K-Nearest Neighbor also has many variations to support optimization such as the combination with the Fuzzy method, namely Fuzzy K-Nearest Neighbor (FK-NN). FK-NN has the advantage of providing labeling for predicted data. Apart from the KNN method, there is the AHP or Analytical Hierarchy Process method which has advantages for multiple criteria. Then TOPSIS (Technique for Order Preference by Similarty to Ideal Solution) which has the same advantages as the AHP method which is often used for multiple criteria, but cannot carry out criteria if there is only one data. Another method is the WPM or Weighted Product Model which can solve multi-criteria problems, but does not have a minimum limit for each criterion assessment. Sistem Pendukung Keputusan untuk memberikan rekomendasi diharapkan dapat membantu berbagai pihak dalam memberikan rekomendasi karyawan dalam kebutuhan suatu organisasi ataupun perusahaan. Beraneka ragamnya faktor yang mempengaruhi kinerja individu membuat prediksi memiliiki Gain yang tinggi. Sehingga perlu adanya metode yang bisa melakukan rekomendasi yang efektif terhadap gain yang tinggi. Untuk membuat sebuah sistem rekomendasi diperlukan teknik Data Maining. Salah satu metode di dalam klasifikasi adalah K-Nearest Neighbor yang memiliki keunggulan terhadap gain yang tinggi. K-Nearest Neighbor juga mempunyai banyak variasi untuk mendukung optiomalisasi seperti adanya penggabungan dengan metode Fuzzy yaitu Fuzzy K-Nearest Neighbor (FK-NN). FK-NN memiliki keunggulan dalam memberikan pelabelan pada data yang diprediksi. Selain metode KNN, terdapat metode AHP atau Analytical Hierarchy Process memiliki keunggulan untuk multi kriteria. Kemudian TOPSIS (Technique for Order Preference by Similarty to Ideall Solution) yang memiliki keunggulan sama seperti metode AHP yang sering digunakan untuk multi kriteria, tetapi tidak bisa melakukan kriteria jika data hanya ada satu. Metode yang lain adalah WPM atau Weighted Product Model yang bisa menyelesaikan masalah multi kriteria, tetapi tidak memiliki batas minimal untuk masing-masing penilaian kriteria.
Algoritma Peramalan Time Series Levenberg-Marquardt, Fuzzy, Backpropagation dan ARIMA (Autoregressive Integrated Moving Average) Much. Arafat Al Mubarok; Anik Nur Handayani
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p541-549

Abstract

There are many methods used in forecasting, including forecasting using time series data. Forecasting using time series data is a favorite for forecasting both linear and non-linear data. Many researchers have contributed to the development of time series data analysis [1] such as C. Wang [2], Pouzols et al [3]. The results of this research literature study show that the Levenberg-Marquardt and Fuzzy algorithms are superior algorithms to the backpropagation and ARIMA algorithms. It is hoped that the results of this study can provide benefits to other researchers and can be used as a reference source. Terdapat banyak metode yang di gunakan dalam melakukan peramalan termasuk untuk melakukan peramalan menggunakan data time series. Peramalan menggunakan data time series menjadi favorit untuk melakukan peramalan baik data linier atau non linier. Banyak peneliti yang telah berkontribusi dalam pengembangan analisis data time series [1] seperti C. Wang [2], Pouzols et al [3]. Hasil studi literatur penelitian ini menunjukkan bahwa algoritma levenberg-marquardt dan fuzzy adalah algoritma yang lebih unggul daripada algoritma backpropagation dan ARIMA. Diharapkan hasil penelitian ini dapat memberikan manfaat bagi peneliti lain serta dapat di jadikan sumber rujukan.
Review: Algoritma Data Mining untuk Klasifikasi Data Nur A’yuni Ramadhani; Harits Ar Rosyid
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p550-556

Abstract

Classification is a data processing technique by grouping the data according to the criteria possessed by each data. In data processing, the data to be processed does not have certain requirements. In short all data can be classified. The data classification technique can use various algorithms. There are many algorithms that can be used in classification, such as Decision Tree, Support Vector Machine, Neural Network, and K-Nearest Neighbor. This study will review the classification algorithms. Researchers will show the differences of each algorithm by showing the advantages and disadvantages of the algorithm. This study will also demonstrate a Case Based Reasoning system that can improve the results of the classification algorithm. Klasifikasi merupakan teknik pengolahan data dengan cara mengelompokkan data-data tersebut sesuai dengan kriteria yang dimiliki oleh masing-masing data. Dalam pengolahan datanya, data yang akan diolah tidak memiliki persyaratan tertentu. Singkatnya semua data dapat diklasifikasikan. Teknik klasifikasi data tersebut dapat menggunakan berbagai macam algoritma. Terdapat banyak algoritma yang dapat digunakan dalam klasifikasi, seperti Decision Tree, Support Vector Machine, Neural Network, dan K-Nearest Neighbor. Penelitian ini akan mengulas tentang algoritma – algoritma klasifikasi tersebut. Peneliti akan menunjukkan perbedaan dari masing – masing algoritma dengan menunjukkan kelebihan dan kekurangan algoritma tersebut. Pada penelitian ini juga akan ditunjukkan sistem Case Based Reasoning yang dapat memperbaiki hasil dari algoritma klasifikasi.
Review: Algoritma Klasifikasi pada Pengenalan Pola Citra Prayoga Bagas Ariya Wibawa; Aji Wibawa
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p557-565

Abstract

The classification algorithm is a technique in the field of machine learning and data mining that is used to group test data based on previously mapped training data. Pattern recognition can also be classified, but not all classification algorithms can perform pattern recognition. An algorithm or classification method that can perform image recognition is that in the Artificial Neural Network method there is a Learning Vector Quantization algorithm which has the advantage of being able to summarize the data set into small and the disadvantage is that it requires calculating all attributes and Fuzzy Neural Network which has, in Lazy Learner is K-Nearest Neighbor which has the advantage of being tough against noise and the disadvantage of needing to determine the value of k and the Template Matching method which is the simplest method, has high accuracy but has the disadvantage of large computational costs if the templates used are quite diverse. With the advantages and disadvantages of the methods previously mentioned, the researcher chose to compare the algorithms or methods of Learning Vector Quantization and Template Matching to be able to see how much accuracy and computational level to recognize an object of research. Algoritma klasifikasi adalah salah satu teknik pada bidang machine learning dan data mining yang digunakan untuk mengelompokkan data uji berdasarkan data latih yang sebelumnya sudah dipetakan. Pengenalan pola juga bisa di klasifikasikan tetapi tidak semua algoritma klasifikasi dapat melakukan pengenalan pola. Algoritma atau metode klasifikasi yang dapat melakukan pengenalan citra adalah pada metode Jaringan Syaraf Tiruan terdapat algoritma Learning Vector Quantization yang memiliki kelebihan mampu meringkas data set menjadi kecil dan kekurangan diperlukan perhitungan seluruh atribut dan Fuzzy Neural Network dimana mempunyai, pada Lazy Learner adalah K-Nearest Neighbor yang mempunyai kelebihan tangguh terhadap noise dan kekurangan perlu menentukan nilai k dan metode Template Matching yang merupakan metode paling simpel, memiliki akurasi yang tinggi tetapi memiliki kekurangan biaya komputasi yang besar jika template yang digunakan cukup beragam. Dengan kelebihan dan kekurangan dari metode – metode yang telah disebutkan sebelumnya, peneliti memilih membandingkan algoritma atau metode dari Learning Vector Quantization dan Template Matching untuk dapat melihat berapa besar akurasi dan tingkat komputasi untuk mengenali sebuah objek penelitian.

Page 16 of 27 | Total Record : 270

 14   15   16   17   18 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol. 5 No. 8 (2025) Vol. 5 No. 7 (2025) Vol. 5 No. 5 (2025) Vol. 5 No. 4 (2025) Vol. 5 No. 3 (2025) Vol. 5 No. 1 (2025) Vol. 4 No. 11 (2024) Vol. 4 No. 10 (2024) Vol. 4 No. 9 (2024) Vol. 4 No. 8 (2024) Vol. 4 No. 7 (2024) Vol. 4 No. 6 (2024) Vol. 4 No. 5 (2024) Vol. 4 No. 4 (2024) Vol. 4 No. 3 (2024) Vol. 4 No. 2 (2024) Vol. 4 No. 1 (2024) Vol. 3 No. 12 (2023) Vol. 3 No. 11 (2023) Vol. 3 No. 10 (2023) Vol. 3 No. 9 (2023) Vol. 3 No. 8 (2023) Vol. 3 No. 7 (2023) Vol. 3 No. 6 (2023) Vol. 3 No. 5 (2023) Vol. 3 No. 4 (2023) Vol. 3 No. 3 (2023) Vol. 3 No. 2 (2023) Vol. 3 No. 1 (2023) Vol. 2 No. 12 (2022) Vol. 2 No. 11 (2022) Vol. 2 No. 10 (2022) Vol. 2 No. 9 (2022) Vol. 2 No. 8 (2022) Vol. 2 No. 7 (2022) Vol. 2 No. 6 (2022) Vol. 2 No. 1 (2022) Vol. 1 No. 11 (2021) Vol. 1 No. 10 (2021) Vol. 1 No. 9 (2021) Vol. 1 No. 8 (2021) Vol. 1 No. 7 (2021) Vol. 1 No. 6 (2021) Vol. 1 No. 5 (2021) Vol. 1 No. 4 (2021) Vol. 1 No. 3 (2021) Vol. 1 No. 2 (2021) Vol. 1 No. 1 (2021) More Issue