cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Hermanto
Contact Email
juptikummuba@gmail.com
Phone
+6282388777714
Journal Mail Official
juptikummuba@gmail.com
Editorial Address
LPPM (LP2M) Universitas Muhammadiyah Muara Bungo (UMMUBA) Jl. Rang Kayo Hitam, Cadika, Rimbo Tengah, Kabupaten Bungo, Jambi 37211
Location
Kab. bungo,
Jambi
INDONESIA
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK)
Published by Universitas Muhammadiyah Muara Bungo
ISSN : -     EISSN : 29877016     DOI : https://doi.org/10.52060/juptik.v2i1
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Engineering Library & Information Science
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) adalah jurnal nasional, yang didedikasikan untuk publikasi hasil penelitian berkualitas di bidang Teknologi Informasi secara implisit tidak terbatas dan bebas biaya dalam Proses Pengajuan. JUPTIK adalah jurnal terbuka peer-review dan dapat diakses yang dikelola oleh LP3M Prodi Teknologi Informasi Universitas Muhammadiyah Muara Bungo. JUPTIK memuat artikel yang diangkat dari hasil penelitian, konsep, teori, dan kajian analitik di bidang ilmu komputer dan teknologi informasi. JUPTIK Menerbitkan jurnal yang berfokus pada Software Engineering, Artificial intelligence, Data Mining, Database System, Computer network, Decision Support System, IT Governance, Expert System dan System Design
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 85 Documents
 5   6   7   8   9 
Analisis Eksperimental Supervisory Adaptive Fuzzy Control untuk Kestabilan Nutrisi dan Ketersediaan Air pada Sistem Hidroponik Cerdas Juju Juhaeriyah; Muhamad Riyad Ariwibowo; Ahmad Syahruli
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4244

Abstract

Sistem hidroponik modern menghadapi masalah ketidakstabilan kadar nutrisi dan ketersediaan air. Penelitian sebelumnya belum mengintegrasikan Supervisory Adaptive Fuzzy Control (SAFC) dengan pemantauan IoT secara terpadu dan adaptif. Penelitian ini penting untuk mendukung pertanian presisi yang berkelanjutan melalui kontrol hidroponik otomatis yang efisien dan responsif, yang dapat beradaptasi dengan dinamika lingkungan pertanian modern. Studi ini bertujuan untuk mengembangkan sistem hidroponik cerdas berbasis IoT dengan menggunakan SAFC untuk menstabilkan nutrisi dan ketersediaan air. Pendekatan eksperimental diterapkan, mencakup desain arsitektur IoT, perakitan prototipe, implementasi algoritma SAFC, serta pengujian dan analisis. Pengujian mencakup akurasi sensor, validasi aturan, dan analisis real-time terhadap stabilitas nutrisi dan ketersediaan air. Hasil pengujian menunjukkan bahwa sensor TDS mencapai akurasi 96,49% dengan kesalahan 3,51%, sedangkan sensor ultrasonik mencapai akurasi 95,66% dengan kesalahan 4,34%. Sistem secara konsisten memenuhi sembilan aturan SAFC pada semua variasi pengujian. Eksperimen stabilitas yang berlangsung selama 33 menit untuk setiap variasi menunjukkan bahwa rasio aliran 1:2 menghasilkan stabilitas terbaik yakni kategori cukup, dengan rata-rata TDS 762,83 ppm dan tingkat kedalaman air 6,05 cm. Integrasi IoT memungkinkan sinkronisasi data secara real-time antara prototipe, aplikasi seluler, dan aplikasi desktop dengan akurasi transmisi 100%, mendukung pemantauan dan pengendalian jarak jauh yang efisien dan berkelanjutan pada sistem hidroponik. Temuan ini memperkuat pengembangan pertanian presisi cerdas berbasis kontrol adaptif. Penelitian lebih lanjut sebaiknya mengintegrasikan pembelajaran mesin ringan dan validasi dalam lingkungan rumah kaca dunia nyata.
Sistem Informasi Rantai Pasok dan Distribusi Kebutuhan Penjualan Berbasis Web Zainudin Husain; Saprina Mamase; Irwan Karim; Basri Umar
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4266

Abstract

Penelitian ini dibuat untuk merancang suatu Sistem Informasi Manajemen Rantai Pasok dan Distribusi Kebutuhan Penjualan bagi Pelaku Usaha Berbasis Web yang bertujuan untuk mempermudah pelaku usaha atau distributor dalam pembuatan laporan dan dapat mengelola data persediaan serta alur distribusi dengan lebih baik. Dalam merancang sebuah aplikasi, ada beberapa teknik pengumpulan data yang digunakan diantaranya berupa teknik observasi, teknik wawancara, dan teknik pustaka. Objek dalam penelitian ini adalah alur distribusi dan pasokan barang dagang pada pelaku usaha. Permasalahan yang didapati pada penelitian ini yaitu pada proses pendistribusian dan pendataannya stok jualan masih belum optimal. Untuk mengatasi masalah ini, penulis merancang aplikasi berbasis web yang dapat mendukung manajemen rantai pasok dan pengelolaan distribusi kebutuhan penjualan secara tepat waktu, tepat lokasi, tepat kuantitas, dan sesuai kebutuhan pasar/konsumen. Sistem yang dikembangkan diuji menggunakan metode Black Box Testing dan User Acceptance Test (UAT). Hasil pengujian menunjukkan seluruh fungsi sistem berjalan dengan baik serta memperoleh tingkat penerimaan pengguna sebesar 90%, sehingga sistem layak digunakan.
FMIPA Smart Nav: Aplikasi Navigasi Kampus Berbasis GPS dan Voice AI Rizki Immanuel Situmorang; Tia Risky Yasmin Saketang; Repi Meilani Putri; Raja Ansel Hartama Sihombing; Debi Yandra Niska
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4268

Abstract

Orientasi spasial di kampus merupakan tantangan yang terus-menerus dihadapi, terutama oleh mahasiswa baru dan tamu yang belum mengenal tata letak institusi. Di FMIPA Universitas Negeri Medan (UNIMED), kepadatan gedung dan pertumbuhan fasilitas yang berkelanjutan memperparah kesulitan ini, sementara solusi konvensional berupa papan petunjuk dan peta cetak terbukti tidak memadai. Penelitian ini merancang dan membangun FMIPA Smart Nav, aplikasi navigasi kampus berbasis web yang mengintegrasikan GPS real-time melalui Web Geolocation API, pemetaan interaktif berbasis Leaflet.js, dan panduan suara menggunakan Web Speech API, dikembangkan dengan Agile Scrum melalui empat sprint sebagai aplikasi web statis tanpa instalasi. User Acceptance Testing (UAT) terhadap 65 responden enam dosen dan 59 mahasiswa menghasilkan skor rata-rata 4,48 (dosen) dan 4,20 (mahasiswa), keduanya melampaui ambang penerimaan. Kesesuaian fitur memperoleh penilaian tertinggi (4,67) sementara akurasi GPS dan kualitas Voice AI teridentifikasi perlu ditingkatkan. Hasil ini mengonfirmasi FMIPA Smart Nav layak diimplementasikan secara resmi, membuktikan arsitektur static web mampu menghadirkan navigasi kampus yang kompetitif tanpa infrastruktur server yang kompleks.
Benchmark Load Testing Multi Skenario Aplikasi SiPADUKA V2 pada Shared Hosting Muhammad Agus Triawan; Husnawati; Ahmad Bahri Joni M; Ridho Rahmatullah; Bagus Ananta Hidayatullah; Mohd. Ginar Risky
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4270

Abstract

Public service Web applications require adequate performance to ensure stable access when handling user load. SiPADUKA V2, an Information System for Reporting Child Abuse, was developed using native PHP MVC, MySQL PDO, Bootstrap, and JavaScript, and deployed on cPanel-based shared hosting. This study aims to establish the baseline performance of SiPADUKA V2 through an empirical benchmark using the load testing (LT) method. The testing was conducted using Apache JMeter 5.6.3 across four scenarios, namely LT1, LT2, LT3, and LT4, with 5, 10, 25, and 50 virtual users, respectively. The test plan consisted of three Thread Groups representing public pages, user pages after login, and admin pages after login. The analyzed metrics included Total Requests/Samples, Average Response Time, Throughput, and Error Rate. The results show that the total number of requests increased from 857 requests in LT1 to 5,180 requests in LT4, while throughput increased from 4.80 req/s to 27.68 req/s. The average response time was recorded at 383.94 ms in LT1, 342.40 ms in LT2, 289.72 ms in LT3, and increased to 589.72 ms in LT4. The error rate was 0.12% in LT1, 0% in LT2 and LT3, and increased to 4.05% in LT4. These findings indicate that SiPADUKA V2 remained relatively stable up to 25 virtual users but began to experience performance pressure at 50 virtual users.
Implementasi Random Forest Menggunakan Gridsearchcv Dalam Klasifikasi Penyakit Kanker Paru-Paru Hendrawansyah Nasution; Evia Budianita; Novi Yanti; Jasril
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4281

Abstract

Kanker paru-paru merupakan salah satu penyebab utama kematian di seluruh dunia karena sulitnya deteksi dini, karena gejala awalnya seringkali tidak spesifik. Diagnosis yang terlambat secara signifikan menurunkan angka harapan hidup pasien. Studi ini bertujuan untuk mengembangkan model klasifikasi kanker paru-paru yang akurat dan efisien untuk mendukung pengambilan keputusan medis. Studi ini menggunakan 50.000 rekam medis pasien yang diperoleh dari dataset sekunder, yang telah divalidasi secara klinis oleh seorang ahli paru di Rumah Sakit Umum Pekanbaru. Atribut yang dipilih dikategorikan menjadi faktor risiko yang tidak dapat dimodifikasi (usia, jenis kelamin, dan riwayat keluarga) dan faktor risiko yang dapat dimodifikasi (paparan merokok, paparan radon, paparan asbes, diagnosis PPOK, dan konsumsi alkohol). Model klasifikasi dikembangkan menggunakan algoritma Random Forest dan dioptimalkan menggunakan GridSearchCV untuk mendapatkan konfigurasi hyperparameter terbaik. Pra-pemrosesan data meliputi pengkodean label, pengkodean one-hot, dan normalisasi Min-Max. Pengujian eksperimental dilakukan menggunakan tiga rasio pembagian data latih-uji: 90:10, 80:20, dan 70:30. Hasil menunjukkan bahwa rasio pembagian 90:10 mencapai kinerja keseluruhan terbaik. Model optimal, menggunakan 300 estimator tanpa batasan kedalaman (max_depth=None), mencapai akurasi 70,3%, Recall 82,68%, dan F1-Score 79,28%. Nilai Recall yang tinggi menunjukkan bahwa model tersebut sangat efektif dalam mendeteksi kasus kanker paru-paru positif dan meminimalkan false negative, sehingga cocok sebagai alat pendukung keputusan untuk deteksi dini dan intervensi medis
Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Personalisasi Produk pada E-Commerce Menggunakan Pendekatan User-User Collaborative Filtering Haryan Dwi Baharna; Yeyi Gusla Nengsih; Hermanto
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4300

Abstract

Pertumbuhan pesat sektor e-commerce menuntut adanya personalisasi untuk memitigasi kelebihan informasi dan mendorong keterlibatan pelanggan. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi sistem rekomendasi menggunakan algoritma K-Nearest Neighbor (KNN) dengan pendekatan User-User Collaborative Filtering. Studi ini menggunakan dataset Online Retail UCI yang mencakup 541.909 transaksi dari peritel berbasis di Inggris. Metodologi penelitian meliputi pembersihan data deterministik, konstruksi matriks interaksi pengguna-item biner, dan penerapan kemiripan kosinus untuk mengidentifikasi lingkungan tetangga. Rekomendasi dihasilkan menggunakan rata-rata tertimbang kemiripan untuk  tetangga. Hasil empiris menunjukkan bahwa sistem mencapai Average Precision@5 sebesar 0,0915, Average Recall@5 sebesar 0,0575, dan Hit Rate yang signifikan sebesar 0,3437. Temuan ini mengindikasikan bahwa model KNN dengan 10 tetangga tiga kali lebih akurat dibandingkan dengan model dasar satu tetangga. Hit Rate yang tinggi menunjukkan bahwa sistem ini layak secara strategis untuk meningkatkan penjualan silang (cross-selling) dan ROI pemasaran secara keseluruhan dalam lingkungan ritel dunia nyata.
Chatbot Hybrid Fatwa MUI Menggunakan Retrieval Augmented Generation dan Large Language Model Surya Hidayatullah Firdaus; Nazruddin Safaat H; Yelfi Vitriani; Novriyanto
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4318

Abstract

Aksesibilitas dokumen digital Fatwa Majelis Ulama Indonesia (MUI) yang terfragmentasi membuat pencarian informasi kurang efektif. Di sisi lain, sistem tanya jawab AI berbasis satu sumber dokumen (single-corpus) rentan menghasilkan jawaban tidak akurat (halusinasi) pada pertanyaan di luar domain. Penelitian ini mengembangkan Chatbot Hybrid Fatwa MUI menggunakan arsitektur Hybrid Retrieval bertingkat dengan dua sumber pengetahuan: dokumen Fatwa MUI sebagai korpus utama dan 12.370 hadis Bukhari-Muslim sebagai mekanisme cadangan (fallback). Sistem ini menerapkan pencarian semantik, verifikasi topik otomatis oleh model bahasa, dan pengalihan ke basis data hadis jika konteks fatwa dinilai tidak relevan. Hasil evaluasi menunjukkan peningkatan kesamaan makna jawaban sebesar 13,23% (dari 0,6664 menjadi 0,7546) dan peningkatan kesetiaan pada rujukan (faithfulness) sebesar 10,57% (dari 85,37% menjadi 94,39%), dengan tingkat penolakan (abstain rate) identik sebesar 26,83%. Pendekatan multi-korpus ini terbukti signifikan meningkatkan relevansi dan keakuratan jawaban dibandingkan RAG standar.
Penggunaan Dual Attention Network pada DenseNet-169 untuk Klasifikasi Multi-kelas Citra X-Ray Dada Azizah Tasykira Paramitha El Razi; Benny Sukma Negara; Muhammad Irsyad; Suwanto Sanjaya; Siti Ramadhani
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4333

Abstract

Klasifikasi multi-kelas citra X-ray dada menjadi salah satu pendekatan yang dapat membantu membedakan kondisi COVID-19, normal, dan pneumonia secara otomatis. Namun, kemiripan karakteristik visual antar kelas dapat menyebabkan model kesulitan dalam mengekstraksi fitur yang relevan. Penelitian ini mengintegrasikan Dual Attention Network (DANet) pada DenseNet-169 untuk meningkatkan representasi fitur melalui kombinasi Grouped Channel Attention Module dan Strip Spatial Attention Module. Dataset yang digunakan terdiri atas 5.228 citra X-ray dada yang dibagi menjadi data latih dan data uji dengan rasio 80:20. Model DenseNet-169 baseline dan DenseNet-169 dengan DANet dievaluasi menggunakan akurasi, presisi, recall, F1-score, sensitivitas, spesifisitas, ROC-AUC, confusion matrix, dan Grad-CAM. Hasil pengujian menunjukkan bahwa DenseNet-169 dengan DANet memperoleh akurasi 98,47%, presisi 98,55%, recall 98,50%, F1-score 98,50%, sensitivitas 98,50%, dan spesifisitas 99,22%. Nilai ROC-AUC yang diperoleh pada kelas COVID-19, normal, dan pneumonia masing-masing sebesar 0,9994, 0,9989, dan 0,9980. Hasil tersebut menunjukkan bahwa DenseNet-169 dengan DANet memiliki kemampuan klasifikasi dan diskriminasi yang baik pada ketiga kelas. Visualisasi Grad-CAM menunjukkan bahwa DANet membantu model menghasilkan perhatian yang lebih terarah.
Implementasi Arsitektur Hybrid RAG pada Chatbot Skrining Kesehatan Mental M Dhimas Hadid Fachrezy; Nazruddin Safaat; Muhammad Irsyad; Febi Yanto
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4342

Abstract

Kesehatan mental pekerja merupakan tantangan global yang mendesak. Di Indonesia, hanya 57% penyandang gangguan jiwa yang memperoleh layanan kesehatan mental, masih jauh dari target nasional sebesar 90%. Sistem Retrieval-Augmented Generation (RAG) konvensional belum dirancang untuk menangani data asesmen psikometri dan pengambilan literatur klinis secara bersamaan tanpa meningkatkan risiko halusinasi. Penelitian ini mengusulkan arsitektur Hybrid RAG dengan Query Router berlapis untuk mengintegrasikan interpretasi psikometri yang bersifat deterministik dan retrieval pengetahuan klinis yang relevan secara semantik. Sebuah chatbot skrining kesehatan mental dikembangkan pada Telegram menggunakan arsitektur dua jalur yang memisahkan pemrosesan relasional melalui PostgreSQL dan retrieval semantik melalui Qdrant, BM25, serta Distribution-Based Score Fusion (DBSF). Sistem dikendalikan oleh Query Router empat lapis dan Routing-Aware Quality Gate dengan kebijakan Fail-Closed. Lima instrumen psikometri diimplementasikan, yaitu WHO-5, GAD-7, M-TBI, K10, dan NAQ-R. Evaluasi dilakukan menggunakan LaBSE BERTScore, E5 Cosine Similarity, dan RAGAS LLM-as-a-Judge. Hasil pengujian menunjukkan bahwa Query Router mencapai akurasi klasifikasi 100% pada 100 kueri uji. Konfigurasi Hybrid RAG dengan DBSF memperoleh nilai LaBSE F1 tertinggi sebesar 0,7039 dan E5 Cosine Similarity sebesar 0,9234. Selain itu, skor Faithfulness sebesar 0,9350 menunjukkan bahwa sebagian besar klaim yang dihasilkan didukung oleh dokumen klinis yang berhasil diambil sistem. Nilai Answer Correctness sebesar 0,7447 dipengaruhi keterbatasan evaluasi lintas bahasa, bukan kelemahan arsitektur yang diusulkan.
Implementasi Fine Tuning Menggunakan Metode QLoRA Pada Sistem Tanya Jawab Hadits Muhammad Azmi; Fitra Kurnia; Nazruddin Safaat Harahap; Muhammad Irsyad; Pizaini; Arif Marsal
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4349

Abstract

Hadits Islam merupakan sumber hukum kedua dalam ajaran Islam, namun penerapan Large Language Model (LLM) pada domain ini menghadapi masalah halusinasi faktual dan kesalahan atribusi sitasi. Penelitian ini mengembangkan sistem tanya jawab hadits berbasis Qwen 2.5 7B Instruct melalui tiga tahap. Pertama, Supervised Fine tuning (SFT) dengan Quantized Low-Rank Adaptation (QLoRA) pada 988 pasangan instruksi-respons yang dipilih dari 1.730 data mentah menggunakan Instruction Following Difficulty (IFD) Scoring berbasis rasio perplexity pada rentang P20–P80. Kedua, Direct Preference Optimization (DPO) Iterasi 1 dengan strategi off-policy menyebabkan regresi perilaku model akibat perbedaan distribusi data. Ketiga, DPO Iterasi 2 dengan strategi on-policy penuh menghasilkan respons chosen (T=0,1) dan rejected (T=0,9) dari model SFT yang sama, menghasilkan 509 pasangan valid. Komponen Hybrid Retrieval-Augmented Generation (RAG) mengindeks 65.811 hadits dari 11 kitab di Qdrant Cloud menggunakan BGE-M3 dan BM25 dengan Reciprocal Rank Fusion. Evaluasi RAGAS v0.2.6 dengan hakim GPT-4o dan BERTScore berbasis xlm-roberta-base menunjukkan DPO Iterasi 2 memperoleh Faithfulness lebih tinggi (0,676 vs 0,633), Context Precision sempurna (1,000) pada kedua model, dan BERTScore F1 yang setara (0,8621 vs 0,8615). Temuan ini mengonfirmasi bahwa strategi on-policy DPO menghasilkan keselarasan perilaku yang lebih stabil untuk model bahasa domain-spesifik.

Page 8 of 9 | Total Record : 85

 5   6   7   8   9 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 3 No. 2 (2025): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 3 No. 1 (2025): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 2 No. 2 (2024): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 2 No. 1 (2024): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 1 No. 2 (2023): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIKASI (JUPTIK) Vol. 1 No. 1 (2023): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIKASI (JUPTIK)