cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Lukmanul Khakim
Contact Email
d3komputerpoltektegal@gmail.com
Phone
+6285642917672
Journal Mail Official
smartcomp@poltektegal.ac.id
Editorial Address
Jalan Mataram No 9 Pesurungan Lor Kota Tegal
Location
Kota tegal,
Jawa tengah
INDONESIA
SmartComp
Published by Politeknik Harapan Bersama Tegal
ISSN : 2089676X     EISSN : 25490796     DOI : 10.30591
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering
Smart Comp(p-ISSN: 2089-676X, e-ISSN:2549-0796) is a nationally peer reviewed computer science journal open for researchers from the field of Information Technology, Computer Engineering, Informatics Engineering, Electrical & Electronics Engineering and related researches. Smart Comp has been published continuously since 2012 Starting in year 2016, the journal issues are published online regularly under Open Access Policy. Jurnal Smart Comp is currently indexed/included in Google Scholar, PKP Index, Portal Garuda, Sinta, etc. Please read these author guidelines carefully. Authors who want to submit their manuscript to the editorial office of Smart Comp should obey the writing guidelines. If the manuscript submitted is not appropriate with the guidelines or written in a different format, it will be REJECTED by the editors before further reviewed. The editors will only accept the manuscripts which meet the assigned format.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 567 Documents
 53   54   55   56   57 
Implementasi Metode Yolov10 Untuk Mendeteksi Penyakit Melalui Analisis Citra Daun Pada Tanaman Padi Renaldi, Encik Yoega; Sumijan, Sumijan; Sovia, Rini
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8486

Abstract

Padi menjadi makanan pokok bagi hampir 80% untuk diseluruh Indonesia, yang penghidupannya sangat bergantung pada hasil panen. Sektor pertanian padi menghadapi tantangan berupa penyakit pada daun tanaman, dengan mayoritas petani masih menggunakan metode konvensional dalam deteksi penyakit, menyebabkan keterlambatan penanganan. Penelitian ini mengembangkan sistem deteksi dini penyakit tanaman padi menggunakan kecerdasan buatan dan computer vision dengan deep learning. Implementasi metode YOLOv10 yang efektif dengan menghilangkan penekanan Non-Maximum Suppression untuk mengurangi komputasi secara signifikan. Data penelitian yang dikumpulkan di Dinas Pertanian Kota Padang mencakup 1.446 citra dari tiga jenis penyakit: hawar daun bakteri, cendawan bercak, dan virus tungro. Pre-processing melalui augmentasi data, dataset diperbesar menjadi 10.122 citra. Pelatihan model selama 100 epoch menghasilkan tingkat kepercayaan untuk penyakit daun bakteri hawar (90%), cendawan bercak (91%), dan virus tungro (98%). Sistem mencapai tingkat kepercayaan mAP 93%, Skor F1 88%, dengan waktu komputasi 0,9 detik per citra. Sistem ini menjadi solusi efektif dan efisien bagi para ahli pertanian dan petani dalam menganalisis tingkat keparahan penyakit daun pada tanaman padi.
Perancangan Sistem Inventory Barang Dagang Di Toko Juvarash Collection Hidayati, Nurtriana; Agusto, Valien Rezky; Susanto, Susanto
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.7737

Abstract

Abstrak: Toko Juvarash Collection mengalami tantangan dalam pengelolaan stok barang dagangan, terutama karena pencatatan stok dilakukan secara manual. Pencatatan manual ini menyebabkan kesalahan rata-rata 2 hingga 3 kali per bulan, yang berujung pada barang-barang populer habis dalam 2 hingga 3 hari, mengakibatkan potensi penurunan penjualan dan ketidakpuasan pelanggan. Untuk mengatasi masalah ini, dirancanglah sistem inventory berbasis web yang dilengkapi dengan fitur pemantauan stok secara real-time. Sistem ini memungkinkan pengelola toko untuk memantau stok secara akurat, meminimalkan risiko kehabisan barang, dan memastikan ketersediaan produk favorit pelanggan. Implementasi sistem ini diharapkan dapat meningkatkan akurasi pencatatan stok hingga 95%, mengurangi kesalahan pencatatan yang disebabkan oleh human error. Selain itu, sistem ini dirancang untuk menangani 50 hingga 100 transaksi per bulan, memastikan kelancaran operasional harian toko. Sistem ini juga diproyeksikan mampu meningkatkan efisiensi operasional toko hingga 85%, dengan mempercepat pengambilan keputusan yang lebih tepat dan andal. Dengan begitu, sistem ini akan membantu toko beroperasi lebih efisien dan mendukung pertumbuhan bisnis di masa mendatang.Kata Kunci— Sistem Inventory, Toko Juvarash Collection, Pengelolaan Stok, Efisiensi Operasional.
Sistem Informasi Penanganan Perkara Pada Lembaga Bantuan Hukum (LBH) Mitra Santri Berbasis Web dan Notifikasi Whatsapp Hasan, Abil; Baijuri, Achmad; Lazim, Farihin
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.9209

Abstract

Perkembangan teknologi informasi yang semakin hari semakin melesat, yang mana teknologi digital seperti halnya komputer/laptop, handphone,dan teknologi lainnya yang selalu bersaing dalam mengembangkan teknologi buatannya masing-masing, dan tidak ketinggalan juga dalam melakukan aktifitas sehari-hari baik dalam lingkup perkatoran, lembaga pendidikan, bahkan dalam melalukan jual-beli pun di zaman modern ini sudah menggunakan yang namanya teknologi informasi, sebagaimana yang kita ketahui dalam penggunaan teknologi informasi ada yang namanya sistem informasi yang juga menyebar di kalangan masyarakat khususnya di instansi perkantoran, sudah menjadi lumrah penggunaan sistem informasi di manfaatkan untuk mempermudah pengerjaan suatu pekerjaan di kantor, Lembaga Bantuan Hukum (LBH) Mitra Santri merupakan salah satu lembaga pengacara yang ada si kabupaten situbondo. Lembaga bantuan hukum ini sudah sangat terkenal di kabupaten situbondo khususnya, di lihat dari banyaknya kasus yang sudah ditangani tidak menutup kemungkinan masyarakat sudah tidak asing dengan lembaga advokat yang satu ini. Maka dari itu untuk mempermudah pelayanan di kantor LBH mitra santri ini diperlukan adanya sistem yang lebih mudah di jangkau oleh masyarakat yaitu website yang di dalamnya bisa ditambah dengan fitur notifikasi otomatis untuk mengetahui informasi yang sudah diberikan oleh instansi bantuan hukum mitra santri.
Klasifikasi Strategi Penjualan Produk UMKM dengan Penerapan fitur seleksi Forward Selection pada Algoritma C4.5 Fanani, M. Rudi; Agustina, Elvinda Bendra
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.6842

Abstract

Perkembangan Usaha Mikro, Kecil, dan Menengah (UMKM) di Indonesia telah menjadi sorotan utama dalam memajukan ekonomi, mengurangi kemiskinan, dan meningkatkan kesejahteraan masyarakat. UMKM tak hanya berperan strategis dalam menciptakan lapangan kerja, menggerakkan ekonomi lokal, namun juga menjadi sumber inspirasi bagi inovasi dan kreativitas. Kelurahan Kedungwuni Timur merupakan wilayah di kecamatan Kedungwuni Kabupaten Pekalongan Jawa Tengah. Profesi mayoritas warga Kelurahan Kedungwuni Timur bergerak dalam bidang UMKM Fashion. Kendala saat ini pihak konsumen sudah dengan mudah membandingkan suatu produk. Oleh karena itu perlu dilakukan sebuah strategi penjualan dengan memanfaatkan konsep Teknologi Informasi salah satunya menggunakan teknik Data Mining. Algoritma C4.5 merupakan algoritma dari data mining yang digunakan untuk memprediksi strategi penjualan produk UMKM dengan nilai akurasi yang didapat sebesar 82.78%. Untuk meningkatkan nilai akurasi maka digunakan fitur seleksi forward selection sehingga menghasilkan akurasi sebesar 86.11%.
Penerapan Metode Monte Carlo Dalam Memprediksi Jumlah Antrian Pasien Yang Berobat Ardiyan, Destio; Yuhandri, Yuhandri; Sumijan, Sumijan
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8498

Abstract

Abstrak: Prediksi jumlah antrian pasien yang berobat merupakan suatu pendekatan dalam analisis data untuk memperkirakan jumlah pasien yang akan datang ke fasilitas kesehatan dalam periode tertentu. Prediksi ini dapat membantu rumah sakit atau klinik dalam mengoptimalkan sumber daya, seperti tenaga medis, ruang tunggu, dan waktu pelayanan, sehingga dapat meningkatkan efisiensi dan kualitas layanan. Jumlah kunjungan pasien yang terlalu banyak terkadang berpotensi menimbulkan rasa tidak puas menunggu menyebabkan keterlambatan pelayanan, ketidakpuasan pasien, dan beban kerja staf medis yang tidak merata. Penelitian ini bertujuan untuk memprediksi jumlah antrian pasien yang berobat kedepannya dengan lebih efesien. Metode yang digunakan dalam penelitian ini adalah Metode Monte Carlo. Metode ini memiliki tahapan, Menentukan Distribusi Probabilitas, Distribusi Probabilitas Kumulatif, Menetapkan Interval Angka Acak, Membangkitkan Angka Acak, Percobaan Simulasi Monte Carlo Antrian Kedatangan Pasien. Dataset yang diolah dalam penelitian ini bersumber dari bagian Administrasi diklit RSU Aisyiyah Padang. Dataset terdiri dari data reservasi 1 periode dengan ketentuan dataset mingguan dari minggu 1 sampai minggu 52. Hasil penelitian ini dapat menghitung presentase jumlah antrian pasien yang berobat dengan Tingkat akurasi 83%. Penelitian ini dapat menjadi acuan dalam memprediksi jumlah antrian pasien yang berobat untuk mencegah rasa tidak puas menunggu dan keterlambatan pelayanan dan beban kerja staf medis yang tidak merata.Kata Kunci – Teknologi Informasi; Simulasi; Prediksi; Antrian, Monte Carlo
Klasifikasi Kebakaran Hutan dan Lahan Menggunakan Algoritma Naïve Bayes Classifier Deni, Deni Deni; Octariadi, Barry Ceasar; Utami, Putri Yuli
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8374

Abstract

Abstrak: Salah satu bencana alam yang sering terjadi di Indonesia adalah kebakaran. Pada tahun 2019, terdapat 1.124 titik panas di Kalimantan Barat. Kebakaran hutan menyebabkan banyak kerugian, termasuk deforestasi hutan dan hasilnya, pencemaran kabut asap dan emisi dan turunnya  kualitas udara, penelitian ini menerapkan algoritma Naive Bayes Classifier untuk menentukan tingkat status rawan kebakaran hutan dan lahan di Kabupaten Kubu Raya. Hasil akurasi klasifikasi status kebakaran hutan dan lahan dengan algoritma Naïve Bayes 92% pada data latih dan 96% pada data uji. Dapat ditarik kesimpulan bahwa Gaussian Naïve Bayes dapat mengklasifikasi status low, medium, high pada kebakaran hutan dan lahan dengan baik.Abstract: One of the most recent natural disasters in Indonesia is wildfires. In 2019, there were 1,124 hotspots in West Kalimantan. Forest fires cause extensive damage, including reducing forest area and yields, air pollution from haze and emissions, decreasing agricultural potential, and overall forest depletion. The aim of this research is to apply the Naive Bayes Classifier algorithm to determine the level of forest and land fire vulnerability status in Kubu Raya District and assess the accuracy of the Naïve Bayes Classifier method in classifying forest and land fire status. The method employed in this study is Gaussian Naïve Bayes. The classification accuracy of forest and land fire status using Naive Bayes algorithm is 92% on training data and 96% on test data. It can be concluded that Gaussian Naïve Bayes effectively classifies forest and land fire status
Analisis dan Desain Tata Kelola Teknologi Informasi pada UMKM mengunakan Framework COBIT 2019 Fanani, M. Rudi; Hayati, Nur; Hadian, Nur
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.7607

Abstract

UMKM mempunyai peran yang strategis untuk menciptakan lapangan kerja, menggairahkan ekonomi lokal, juga bisa menjadi dasar inspirasi inovasi juga kreativitas masyarakat. Penerapan Teknologi Informasi pada sebuah perusahaan dapat membantu perusahaan tersebut mencapai tujuan perusahaan meningkatkan efisiensi serta efektivitas. Dalam melakukan penerapan tata kelola teknologi informasi, dapat digunakan suatu kerangka kerja dan analisis desain COBIT (Control Objectives for Information and Related Technologies) 2019. Hasil analisis faktor desain COBIT 2019 yang telah dilakukan terdapat 1 Domain Posititf MEA03 Pengelolaan Kepatuhan terhadap Persyaratan Eksternal dan 4 Domain Negatif APO06 Pengelolaan anggaran dan biaya, APO12 Manajemen Risiko, APO14 Manajemen Data, dan BAI09 Manajemen Aset. Untuk Domain positif dapat dipertahankan maupun ditingkatkan hal tersebut, khhusus untuk domain negatif rekomendasi yang bisa diberikan adalah dengan memfokuskan sumber daya yang berkaitan dengan bidang teknologi informasi dan bidang keuangan
Implementasi Metode Elimination Et Choice Transiting Reality (Electre) Dalam Penentuan Provider Internet Listya, Annisa Cahya; Larasati, Diah Ayu Putri; Pungkasanti, Prind Triajeng
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.7054

Abstract

Perkembangan teknologi informasi di Indonesia saat ini semakin cepat dan telah banyak mengalami perubahan. Internet menjadi salah satu hal penting dalam kemajuan teknologi informasi. Penggunaannya saat ini sangat dibutuhkan untuk menunjang aktivitas dalam kehidupan sehari-hari seperti media penghubung komunikasi, mencari berita terkini, sarana hiburan, serta mengakses sumber informasi dan ilmu pengetahuan yang mudah, cepat, dan akurat sesuai dengan kebutuhan masing-masing. Dengan demikian, faktor penentuan dalam memilih provider internet terbaik sangat dibutuhkan masyarakat saat ini. Penelitian ini bertujuan  mengimplementasikan  metode Elimination Et Choice Transiting Reality (Electre) dalam menentukan provider internet. Adapun pada penelitian ini menggunakan lima kriteria yaitu meliputi harga, kemudahan pemasangan, gangguan jaringan, pelayanan, dan paket layanan yang ditawarkan berbagai provider internet tersebut. Berdasarkan hasil kuesioner dari 110 orang responden bahwa hasil perhitungan menggunakan metode Electre yang mendapat ranking satu adalah  Alternatif A1 dengan nama yaitu Indihome memperoleh  nilai 125,609 sebagai alternatif yang terbaik, ranking dua dengan nama yaitu MNCPlay sebagai Alternatif A2 memperoleh nilai 112,217, dan Biznet sebagai Alternatif A3 memperoleh nilai 60,048.
Penerapan Metode K-Means Clustering Dalam Pengelompokan Penyakit Pada Ayam Kampung Unggul Balibangtan Afriyadi, Iqbal; Defit, Sarjon; Sumijan, Sumijan
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8508

Abstract

Penyakit ayam saat ini merupakan salah satu ancaman terbesar pada sebuah peternakan ayam. Penyakit pada ayam bisa disebabkan oleh virus dan bakteri.  Ayam KUB merupakan salah satu jenis unggas yang dikembangkan oleh Badan Penelitian dan Pengembangan Pertanian Indonesia, dengan daya tahan tubuh yang baik dan produktivitas tinggi. Kendati demikian ayam KUB ini tetap rentan terhadap berbagai jenis penyakit yang dapat memengaruhi produktivitasnya. Pengelompokan penyakit pada ayam KUB penting untuk dilakukan guna mengidentifikasi pola serangan penyakit serta memberikan langkah preventif yang tepat bagi para peternak. Penelitian ini bertujuan untuk mengelompokkan penyakit yang menyerang Ayam Kampung Unggul Balitbangtan (KUB). Metode yang digunakan pada penelitian ini adalah penerapan machine learning dengan metode K-Means Clustering. Metode ini memiliki beberapa tahapan yaitu penyiapan data, normalisasi data, inisialisasi centroid, mengelompokkan data berdasarkan jarak terdekat, memperbarui centroid, iterasi sampai konvergensi, dan evaluasi hasil. Dataset yang diolah pada penelitian ini bersumber dari pengamatan langsung pada peternakan ayam ASA Farm Padang. Dataset yang digunakan dalam penelitian ini berjumlah 50 dataset yang berasal dari 50 ekor ayam KUB yang masuk kandang karantina pada peternakan tersebut. Pada penelitian ini menghasilkan kelompok penyakit ayam pada 3 kluster yaitu kluster 1 untuk ayam dengan penyakit gejala ringan dengan jumlah sebanyak 12 anggota, kluster 2 dengan penyakit gejala sedang dengan jumlah 14 anggota, dan kluster 3 dengan penyakit gejala tinggi sebanyak 24 anggota. Sehingga penelitian ini diharapkan dapat menjadi acuan bagi peternak, dokter hewan, peneliti selanjutnya atau pihak terkait dalam mengelompokan penyakit pada ayam kampung atau hewan ternak lainya.
Analisis Sentimen Ulasan Pengguna Aplikasi Maxim pada Google Play Store Dengan Metode Support Vector Machine (SVM) dan Naïve Bayes Tiara Risanindya, Tiara Risanindya; Wika Purbasari, Wika purbasari; Lutvi Riyandri, Lutvi Riyandari
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8409

Abstract

Aplikasi Maxim sebagai salah satu penyedia layanan transportasi online di Indonesia telah menerima banyak ulasan dari pengguna melalui Google Play Store. Meskipun Maxim memiliki rating tinggi sebesar 4.8, banyak keluhan pengguna yang mencerminkan masalah dalam kualitas layanan. Banyaknya ulasan pengguna yang tersedia menjadi tantangan karena membutuhkan waktu lama jika dijelaskan secara manual. Oleh karena itu, diperlukan metode otomatis untuk menganalisis dan mengklasifikasikan ulasan guna memberikan wawasan yang lebih cepat dan akurat. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Maxim dengan membandingkan kinerja dua algoritma pembelajaran mesin: Support Vector Machine (SVM) dan Naïve Bayes. Data penelitian mencakup 2.108 ulasan yang dikumpulkan selama lima bulan, yaitu terhitung dari bulan Juli hingga November 2024. Setelah proses preprocessing, sebanyak 1.933 ulasan digunakan, terdiri dari 58% sentimen positif dan 42% sentimen negatif. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM)  unggul dalam analisis sentimen dengan accuracy 89,66%, precision 85,88%, dan recall 98,21%. Sebaliknya, Naïve Bayes menghasilkan accuracy 76,74%, precision 75,48%, dan recall 88,34%. Dengan pembagian rasio data training dan data testing sebesar 80%:20%, Support Vector Machine (SVM) terbukti lebih efektif dalam mengklasifikasikan data, meminimalkan kesalahan, dan mendeteksi hampir seluruh data positif.Penelitian ini memberikan kontribusi signifikan dalam memahami persepsi pengguna terhadap aplikasi Maxim dan menawarkan strategi dasar untuk meningkatkan kualitas layanan guna memenuhi kebutuhan pelanggan secara lebih efektif.Kata Kunci – Analisis Sentimen; Support Vector Machine; Naïve Bayes;  Maxim; Google Play Store 

Page 56 of 57 | Total Record : 567

 53   54   55   56   57 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 14, No 3 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 14, No 2 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 13, No 4 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 13, No 3 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 13, No 2 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 13, No 1 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 12, No 4 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 12, No 3 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 12, No 2 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 12, No 1 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 11, No 4 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 11, No 3 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 11, No 2 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 11, No 1 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 10, No 3 (2021): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 10, No 2 (2021): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 10, No 1 (2021): Smart Comp : Jurnalnya Orang Pintar Komputer Vol 9, No 2 (2020): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 9, No 1 (2020): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 8, No 2 (2019): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 8, No 1 (2019): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 7, No 2 (2018): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 7, No 1 (2018): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 6, No 2 (2017) Vol 6, No 1 (2017) Vol 5, No 2 (2016) Vol 5, No 1 (2016) Vol 4, No 2 (2015) Vol 4, No 1 (2015) Vol 3, No 2 (2014) Vol 3, No 1 (2014) Vol 2, No 4 (2013): Smart Comp Vol 2, No 3 (2013): Smart Comp Vol 1, No 2 (2012): Smart Comp Vol 1, No 1 (2012): Smart Comp More Issue