cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ari Fadli
Contact Email
mandiri.tematik@gmail.com
Phone
+6285643130146
Journal Mail Official
mandiri.tematik@gmail.com
Editorial Address
Perum GS Sumampir Jl. onyx no.11, Sumampir Purwokerto
Location
Kab. banyumas,
Jawa tengah
INDONESIA
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi
Published by PT Berkah Tematik Mandiri
ISSN : -     EISSN : 30325072     DOI : https://doi.org/10.61124/sinta.v1i3.21
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi merupakan sarana publikasi ilmiah bagi tim peneliti, akademisi, mahasiswa, guru, maupun profesional untuk mempublikasikan hasil penelitian kepada masyarakat luas. Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi terbit 4x dalam setahun pada bulan Januari, April, Juli dan Oktober. Jurnal SINTA: Sistem Informasi dan Teknologi menerima naskah publikasi hasil penelitian pada bidang sistem dan teknologi informasi, elektro, informatika, komputer, maupun teknologi komputasi lainnya.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 72 Documents
 4   5   6   7   8 
Sistem Manajemen Penjualan Berbasis Gamifikasi dan Deep Reinforcement Learning untuk Optimasi Kinerja Sales Muhammad Riski
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 4 (2026): SINTA: JULI (special issue Machine Learning)
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.217

Abstract

Kinerja tim penjualan dipengaruhi oleh kemampuan organisasi dalam memberikan strategi yang adaptif dan berbasis data. Namun, praktik manajemen penjualan yang masih bersifat umum dan tidak mempertimbangkan karakteristik individu menyebabkan rendahnya efektivitas dalam pencapaian target. Penelitian ini mengusulkan pengembangan sistem manajemen penjualan berbasis web dan mobile dengan mengintegrasikan konsep gamifikasi serta metode Deep Reinforcement Learning (DRL) untuk menciptakan rekomendasi strategi yang fleksibel dan disesuaikan. Metode pengembangan sistem ini mengadopsi pendekatan Agile dengan struktur microservices, sedangkan model DRL diwujudkan dengan metode Proximal Policy Optimization (PPO) dalam konteks Markov Decision Process (MDP). Data yang digunakan adalah data yang diperoleh secara langsung, termasuk aktivitas penjualan, transaksi, serta profil tenaga penjual dari PT. Padang Distribusindo Raya.Hasil implementasi menunjukkan bahwa model mampu mengoptimalkan kebijakan keputusan melalui peningkatan nilai reward secara bertahap, serta memberikan dampak pada peningkatan metrik kinerja seperti closing rate dan pencapaian target. Integrasi gamifikasi juga memberikan kontribusi terhadap peningkatan keterlibatan pengguna dalam sistem. Secara keseluruhan, pendekatan yang diusulkan menunjukkan potensi dalam mendukung pengambilan keputusan berbasis kecerdasan buatan pada manajemen penjualan modern.
Sistem Pendukung Keputusan Pemilihan Spesifikasi Laptop Menggunakan Pendekatan Hybrid AHP-TOPSIS Anastasya Soranta; Dinda Steviany Agustina Sinaga; Nabila Fadha Azahri; Zatin Niqotaini
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 3 (2026): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.264

Abstract

Pemilihan laptop yang tepat merupakan kebutuhan penting bagi mahasiswa Program Studi Sistem Informasi dalam mendukung aktivitas akademik dan produktivitas kerja. Penelitian ini mengusulkan Sistem Pendukung Keputusan (SPK) berbasis pendekatan hibrid Analytic Hierarchy Process (AHP) dan Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Pembobotan kriteria diperoleh melalui kuesioner perbandingan berpasangan yang diberikan kepada 17 mahasiswa Program Studi Sistem Informasi dan diolah menggunakan rata-rata geometrik. Hasil AHP menunjukkan bahwa Kapasitas Penyimpanan merupakan kriteria dengan prioritas tertinggi (27,17%), diikuti Jumlah Core (25,86%), RAM (25,13%), Harga (12,64%), dan Resolusi (9,20%), dengan nilai CR = 0,0166 yang menyatakan matriks konsisten. Bobot Kriteria tersebut selanjutnya diterapkan dalam metode TOPSIS untuk mengevaluasi 15 alternatif laptop. Hasil penelitian menunjukkan bahwa Lenovo IdeaPad Slim 3 Gen 10 memperoleh nilai preferensi tertinggi sebesar 0,7264, diikuti oleh ASUS Vivobook Go 14 E1404F sebesar 0,6047 dan MacBook Air M3 sebesar 0,5588. Penelitian ini membuktikan bahwa pendekatan hibrid AHP-TOPSIS dengan pembobotan berbasis kuesioner mahasiswa menghasilkan rekomendasi laptop yang lebih kontekstual dan representatif sesuai kebutuhan pengguna.
Algoritme Decision Tree untuk Proses Seleksi Calon Anggota Unit Kegiatan Mahasiswa Creative Computer Club Kristivera Sibagariang; Dhaevita Amartika; Nurani Anisa Putri; Laili Cahyani
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 4 (2026): SINTA: JULI (special issue Machine Learning)
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.278

Abstract

Melakukan proses seleksi yang terbuka, jujur, dan adil merupakan hal yang sangat penting dalam memilih anggota baru di organisasi kemahasiswaan. Karena prosedur penerimaan di Unit Kegiatan Mahasiswa (UKM) Creative Computer Club (Triple C) sampai saat ini masih menggunakan cara yang tradisional dan mudah dipengaruhi oleh penilaian pribadi, penelitian ini menawarkan metode klasifikasi yang menggunakan data nyata sebagai alternatifnya. Penilaian terhadap hasil kelulusan calon pengurus UKM Triple C angkatan 2024 dilakukan dengan menggunakan algoritma Decision Tree. Dataset yang digunakan terdiri dari 146 data pendaftar, di mana komponen Nilai Tugas, Nilai Organisasi, dan Total Nilai berperan sebagai variabel prediktor, sedangkan Status Kelulusan berfungsi sebagai variabel target. Model prediktif dibuat menggunakan algoritma Decision Tree Classifier dengan Gini Index sebagai kriteria pemisahan data. Temuan penelitian menunjukkan bahwa atribut Total Nilai berperan paling penting dalam membentuk pohon keputusan dan menghasilkan aturan klasifikasi yang mudah dipahami. Berdasarkan hasil evaluasi menggunakan confusion matrix, model menunjukkan performa yang sangat baik dengan tingkat akurasi rata-rata mencapai 99,33% yang diperoleh melalui metode 10-Fold Cross Validation. Hasil tersebut menunjukkan bahwa algoritma Decision Tree mampu mengklasifikasikan kelulusan calon anggota secara akurat. Oleh karena itu, penggunaan algoritma Decision Tree layak direkomendasikan sebagai sistem pendukung keputusan yang objektif dan efisien dalam proses seleksi anggota organisasi.
Analisis Karakteristik Deret Waktu dan Peramalan Harga Kartu Pokémon Charizard sebagai Aset Koleksi Menggunakan Model ARIMA Asrul Puadi; Eddissyah Putra Pane; Nurliana Nasution
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 3 (2026): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.300

Abstract

Kartu Pokémon Charizard Base Set #4 merupakan salah satu aset koleksi dengan nilai ekonomi terbilang tinggi dan dapat di perdagangkan secara aktif pada pasar sekunder. Perubahan harga yang terjadi dari satu periode ke periode lainnya menimbulkan ketidakpastian bagi kolektor maupun investor sehingga diperlukan analisis untuk memahami pola pergerakan harga dan menghasilkan prediksi pada periode mendatang. Penelitian ini bertujuan untuk menganalisis karakteristik deret waktu harga kartu Pokémon Charizard Base Set #4 serta membangun model peramalan menggunakan metode Autoregressive Integrated Moving Average (ARIMA). Data penelitian yang digunakan yakni data harga bulanan dengan periode Januari 2021 hingga Mei 2026 yang diperoleh melalui proses web scraping dari situs PriceCharting. Tahapan pada penelitian ini meliputi preprocessing data, analisis deskriptif, uji stasioneritas Augmented Dickey-Fuller (ADF), proses differencing, analisis Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), pemodelan ARIMA, serta evaluasi model dengan menerapkan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil yang didapat pada penelitian ini menunjukkan bahwa ARIMA sebagai model pilihan mampu menangkap pola historis harga kartu Pokémon Charizard dan menghasilkan prediksi harga untuk enam bulan berikutnya. Evaluasi model menghasilkan nilai MAE sebesar 52,42, RMSE sebesar 72,17, dan MAPE sebesar 15,86%. Hasil tersebut menunjukkan bahwa metode ARIMA dapat digunakan untuk melakukan peramalan harga aset koleksi, meskipun tingkat akurasinya masih dipengaruhi oleh karakteristik pasar koleksi yang dinamis dan adanya faktor eksternal yang dapat mempengaruhi data historis harga.
Pengajuan Artikel Jurnal – IDENT Identifikasi Faktor Dominan untuk Sentimen Negatif Masyarakat Terhadap Pelemahan Rupiah Menggunakan NLP dan Topic Modeling LDA Zesi Walikhsani; Winda Anggaraeni; Riska Dwi Handayani
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 4 (2026): SINTA: JULI (special issue Machine Learning)
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.303

Abstract

Pergerakan nilai tukar rupiah yang cenderung melemah terhadap mata uang asing menjadi salah satu isu ekonomi yang banyak mendapat perhatian dari masyarakat. Kondisi tersebut tidak hanya berdampak pada stabilitas perekonomian nasional, tetapi juga dapat mempengaruhi aktivitas ekonomi masyarakat secara langsung. Seiring meningkatnya penggunaan media sosial, berbagai tanggapan dan opini terkait pelemahan rupiah banyak disampaikan melalui platform digital, sehingga dapat dimanfaatkan sebagai sumber informasi untuk memahami pandangan publik. Seiring meningkatnya penggunaan media sosial, berbagai tanggapan dan opini terkait pelemahan rupiah banyak disampaikan melalui platform digital, sehingga dapat dimanfaatkan sebagai sumber informasi untuk memahami pandangan publik. Meskipun penelitian analisis sentimen telah banyak digunakan, sebagian besar masih terbatas pada pengelompokan opini ke dalam kategori sentimen tertentu tanpa mengungkap faktor yang melatarbelakangi munculnya sentimen tersebut. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi faktor-faktor utama yang membentuk sentimen negatif masyarakat terhadap pelemahan nilai tukar rupiah dengan memanfaatkan pendekatan Natural Language Processing (NLP) dan metode Topic Modeling Latent Dirichlet Allocation (LDA). Data yang digunakan berjumlah 5.000 unggahan dari platform X (Twitter) yang telah diklasifikasikan ke dalam sentimen positif, netral, dan negatif. Tahapan penelitian meliputi preprocessing teks, pembobotan kata menggunakan TF-IDF, analisis distribusi sentimen, serta pemodelan topik dengan algoritma LDA. Hasil analisis menunjukkan bahwa sentimen negatif merupakan kategori yang paling dominan dengan proporsi 40,78% atau sebanyak 2.039 data. Pengujian model menghasilkan nilai Coherence Score sebesar 0,5255 dengan tiga topik optimal. Faktor yang paling berpengaruh terhadap terbentuknya sentimen negatif adalah dampak ekonomi domestik dengan bobot rata-rata 0,4007, diikuti oleh sentimen investor sebesar 0,3777 dan faktor teknis maupun global sebesar 0,2216. Temuan ini mengindikasikan bahwa perhatian masyarakat lebih banyak tertuju pada dampak ekonomi yang dirasakan secara langsung dibandingkan pengaruh faktor eksternal.
Analisis dan Perancangan Sistem Informasi Manajemen Peternakan Berbasis IoT Menggunakan Metode Waterfall Studi Kasus Ternakconnect Febrina Firdanatasya; Erna Daniati; Nensa Aulia; Riska Oktavia
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 3 (2026): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.305

Abstract

Sektor peternakan Indonesia masih menghadapi berbagai kendala operasional, seperti keterlambatan deteksi kondisi kandang, ketidakakuratan estimasi kebutuhan pakan, serta pencatatan operasional yang belum terdigitalisasi. Solusi Internet of Things (IoT) yang tersedia saat ini umumnya masih bersifat teknis dan kurang ramah bagi peternak dengan keterbatasan literasi digital. Penelitian ini bertujuan menganalisis dan merancang sistem informasi manajemen peternakan berbasis IoT bernama TernakConnect menggunakan metode Waterfall. Rancangan sistem mengintegrasikan pemantauan lingkungan secara real-time, peringatan dini otomatis, prediksi stok berbasis regresi linear, kendali peralatan jarak jauh, serta pencatatan keuangan dalam satu platform mobile. Metode Waterfall diterapkan melalui lima tahapan: analisis kebutuhan, perancangan sistem, perencanaan implementasi, perencanaan pengujian, dan pemeliharaan. Pendekatan User-Centered Design (UCD) digunakan untuk menghasilkan antarmuka yang mudah dipahami pengguna dari berbagai tingkat literasi digital. Hasil perancangan berupa spesifikasi sistem TernakConnect yang terdiri atas delapan use case, delapan entitas basis data, arsitektur tiga lapisan, serta 14 wireframe antarmuka. Kontribusi utama penelitian ini adalah modul Livestock Sampling berbasis formula adaptasi NRC dan modul prediksi stok berbasis regresi linear yang dirancang untuk perangkat mobile. Penelitian ini menunjukkan bahwa teknologi precision agriculture dapat dirancang agar lebih mudah diakses oleh pengguna non-teknis melalui pendekatan UCD pada sistem IoT peternakan.
Analisis Sistem Komunikasi Antar Node pada Robot Menggunakan Robot Operating System Muhammad Rafif; Yulindon Khaidir
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 3 (2026): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.309

Abstract

Penelitian ini bertujuan untuk menganalisis performa sistem komunikasi antar node pada Robot Operating System (ROS 1) dengan fokus pada mekanisme publish–subscribe. Metode yang digunakan adalah pendekatan eksperimental dengan memvariasikan frekuensi pengiriman pesan (10 Hz, 50 Hz, dan 100 Hz), ukuran message (kecil, sedang, dan besar), serta jumlah subscriber (1 hingga 3 node). Parameter yang dianalisis meliputi latensi komunikasi, throughput data, dan penggunaan CPU. Hasil pengujian menunjukkan bahwa latensi komunikasi berada pada kisaran rendah, yaitu di bawah 1.5 ms, dan menurun hingga 0.77 ms pada frekuensi 100 Hz. Throughput meningkat secara linear terhadap ukuran message, dari sekitar 90 B/s pada data kecil hingga lebih dari 100 KB/s pada data besar. Sementara itu, penggunaan CPU menunjukkan peningkatan seiring bertambahnya jumlah subscriber dan frekuensi pengiriman, namun tetap dalam batas yang stabil pada sistem embedded. Hasil ini menunjukkan bahwa ROS 1 memiliki performa komunikasi yang responsif, stabil, dan skalabel untuk mendukung sistem robotik modular. Penelitian ini memberikan kontribusi dalam bentuk evaluasi sistematis terhadap karakteristik komunikasi ROS 1 yang dapat menjadi referensi dalam pengembangan sistem robotika berbasis middleware.
Implementasi Algoritma Random Forest untuk Prediksi Customer Churn pada Perusahaan Telekomunikasi Muhammad Junaidi; Roberto Kaban
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 3 (2026): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.320

Abstract

Customer churn merupakan permasalahan krusial dalam industri telekomunikasi yang berdampak langsung pada penurunan pendapatan perusahaan. Tantangan utama dalam prediksinya adalah ketidakseimbangan kelas, di mana jumlah pelanggan non-churn jauh lebih besar dibandingkan pelanggan churn. Penelitian ini mengimplementasikan algoritma Random Forest dikombinasikan dengan Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi permasalahan tersebut. Dataset yang digunakan adalah Telco Customer Churn dari Kaggle, terdiri dari 7.043 data pelanggan dengan 21 atribut. Pra-pemrosesan meliputi pembersihan data dan label encoding, kemudian dataset dibagi dengan rasio 80:20, dan SMOTE diterapkan eksklusif pada data pelatihan. Hasil pengujian menunjukkan model mencapai accuracy 77,15%, precision 55,65%, recall 68,45%, dan F1-score 61,39%. Analisis feature importance mengungkapkan bahwa Contract, OnlineSecurity, dan TechSupport merupakan faktor paling dominan yang memengaruhi churn. Integrasi Random Forest dan SMOTE terbukti menghasilkan model prediksi yang andal sekaligus memberikan wawasan strategis bagi perusahaan dalam merancang program retensi pelanggan yang lebih efektif.
Analisis Bibliometrika dan Tematik Riset Pemerintahan Digital pada Prosiding Konferensi Internasional IC3INA Tahun 2013–2025 Andrari Grahitandaru; Budi Nugroho; Armita Widyasuri; Wardatul Hanifah; Alda Ailsa Alvita
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 3 (2026): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.335

Abstract

Transformasi digital telah mengubah cara pemerintah beroperasi dan menjadi topik riset yang berkembang pesat, khususnya sejak diberlakukannya Sistem Pemerintahan Berbasis Elektronik (SPBE) di Indonesia. Konferensi International Conference on Computer, Control, Informatics and Its Applications (IC3INA) merekam perkembangan tersebut, namun pemetaannya belum diperbarui hingga tahun terkini. Penelitian ini bertujuan memetakan struktur dan evolusi tematik riset pemerintahan digital pada prosiding IC3INA periode 2013–2025 guna mendukung penyusunan agenda riset nasional. Analisis bibliometrika dan tematik gaya bibliometrix direplikasi menggunakan bahasa Python, mencakup produksi tahunan, produktivitas penulis (hukum Lotka), jaringan ko-penulis, ko-okurensi kata kunci, dan pemetaan tematik sentralitas–densitas Callon. Subset pemerintahan digital diidentifikasi melalui prosedur dua tahap, yaitu penyaringan leksikon domain pada judul, abstrak, dan kata kunci, dilanjutkan telaah manual independen oleh dua penulis dengan penyelesaian melalui konsensus. Dari 527 artikel, sebanyak 22 artikel (4,2%) teridentifikasi terkait pemerintahan digital. Korpus bersifat kolaboratif (indeks ko-penulisan 4,11; 3,84 penulis per artikel) dengan distribusi produktivitas mengikuti hukum Lotka (eksponen α = 2,85). Produksi memuncak pada 2024 (84 artikel) dan struktur tematiknya (11 tema) didominasi kecerdasan artifisial dan pembelajaran mesin pada kuadran motor themes, sedangkan pemerintahan digital merupakan tema niche kecil namun tumbuh, memuncak pada 2018 seiring Perpres SPBE dan kembali meningkat pada 2023–2025 dengan tema dominan kebijakan, layanan publik, tata kelola data, dan evaluasi sistem informasi pemerintah. Temuan ini menjadi rujukan bagi peneliti, penyelenggara IC3INA, dan penyusunan peta jalan riset pemerintahan digital Indonesia.
Rancang Bangun Sistem Monitoring pH dan Kekeruhan Air pada Tandon Komunal Berbasis Internet of Things Sulihkhudin Aditya Risqi; Slamet Indriyanto; Mas Aly Afandi
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 3 (2026): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.326

Abstract

Kualitas air bersih di lingkungan perumahan sering kali menjadi permasalahan krusial, terutama terkait fluktuasi tingkat kekeruhan dan derajat keasaman (pH) pada tandon komunal. Kontaminasi endapan dan bahan organik dapat menimbulkan risiko kesehatan yang signifikan. Penelitian ini bertujuan merancang dan menguji prototipe sistem pemantauan kualitas air berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32. Parameter yang dipantau meliputi tingkat kekeruhan (menggunakan sensor TDS), derajat keasaman (menggunakan sensor pH-4502C), serta volume air (menggunakan sensor ultrasonik HC-SR04). Data pembacaan sensor diproses oleh ESP32 dan dikirimkan ke server berbasis web untuk dipantau secara real-time oleh warga tanpa memerlukan proses otentikasi (login). Sistem peringatan dini diimplementasikan menggunakan modul buzzer yang akan aktif jika parameter air melampaui ambang batas aman (TDS > 500 mg/L atau pH di luar rentang 6,5–8,5). Pengujian sistem menunjukkan bahwa akurasi pembacaan sensor pH mencapai rata-rata 98,83%, sensor TDS mencapai 99,65%, dan sensor ultrasonik mencapai 97,52%. Integrasi IoT berjalan optimal dengan pembaruan antarmuka website secara presisi sesuai dengan kondisi air. Sistem ini diharapkan dapat mempermudah warga dan pengelola tandon dalam menjaga sanitasi air secara proaktif.

Page 7 of 8 | Total Record : 72

 4   5   6   7   8 

Filter by Year

2024 2026


Reset
Filter By Issues
All Issue Vol. 3 No. 4 (2026): SINTA: JULI (special issue Machine Learning) Vol. 3 No. 3 (2026): SINTA: JULI Vol. 3 No. 2 (2026): SINTA: APRIL Vol. 3 No. 1 (2026): SINTA: JANUARI Vol. 2 No. 4 (2025): SINTA: OKTOBER Vol. 2 No. 3 (2025): SINTA: JULI Vol. 2 No. 2 (2025): SINTA - APRIL Vol. 2 No. 1 (2025): SINTA - JANUARI Vol. 1 No. 4 (2024): SINTA - OKTOBER Vol. 1 No. 3 (2024): SINTA - JULI Vol. 1 No. 2 (2024): SINTA - APRIL Vol. 1 No. 1 (2024): SINTA - JANUARI More Issue