cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota surabaya,
Jawa timur
INDONESIA
Jurnal Sains dan Seni ITS
Published by Institut Teknologi Sepuluh Nopember Surabaya
ISSN : -     EISSN : -     DOI : -
Core Subject : Humanities, Art,
Arts Humanities
Arjuna Subject : -
Articles 28 Documents
 1   2   3 
Search results for , issue "Vol 13, No 5 (2024)" : 28 Documents clear
SEM-PLS untuk Memodelkan Pengaruh Kepuasan Kerja dan Motivasi Intrinsik Terhadap OCB dan Kinerja Karyawan Produksi PT ISM Bogasari Salsabilla, Dionella Aisya; Mashuri, Muhammad
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.152738

Abstract

PT ISM Bogasari Flour Mills merupakan salah satu perusahaan yang bergerak dalam bidang bahan pokok makan-an khususnya mengolah biji gandum menjadi tepung, upaya mempertahankan kinerja merupakan salah satu strategi agar tetap bersaing dan menguasai pasar. Kinerja SDM yang efisien dan efektif harus ditingkatkan dengan cara melakukan analisis mengenai pengaruh kepuasan kerja (job satisfaction) dan moti-vasi intrinsik terhadap Organizational Citizenship Behavior (OCB) dan kinerja pada karyawan PT ISM Bogasari Flour Mills Surabaya menggunakan metode Structural Equation Modelling (SEM). Hasil penelitian menunjukkan bahwa terda-pat beberapa indikator yang tidak valid dalam mengukur ke empat variabel laten. Variabel motivasi intrinsik mempenga-ruhi peningkatan kinerja karyawan secara signifikan sebesar 0,652, variabel motivasi intrinsik juga berpengaruh signifikan terhadap OCB karyawan sebesar 0,574. Kesimpulan lain yang dihasilkan adalah variabel OCB berpengaruh signifikan seba-gai mediator antara motivasi intrinsik terhadap kinerja kar-yawan PT ISM Bogasari Flour Mills Surabaya, namun variabel kepuasan kerja di sini tidak memiliki pengaruh yang signifikan terhadap variabel OCB maupun kinerja.
Peralaman Jumlah Penumpang Kereta Api Wilayah Daerah Operasi 8 Surabaya dengan Metode Intervensi Yulianti, May; Ulama, Brodjol Sutijo Suprih
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.149474

Abstract

Kereta api merupakan salah satu transportasi umum yang banyak digunakan oleh Masyarakat karena kereta api memiliki keunggulan dibandingkan dengan transportasi umum lainnya. Upaya untuk peningkatan pelayanan kereta api, PT Kereta Api Indonesia (Persero) membuat kebijakan baru, yaitu Grafik Perjalanan Kereta Api (GAPEKA) 2023. Kebijakan ini berisi tentang efisiensi perjalanan kereta api dengan waktu tem-puh lebih cepat, pertambahan perjalanan kereta api, penam-bahan kereta api baru, dan juga penyesuaian tarif. Kebijakan tersebut diduga memberikan dampak terhadap kenaikan dan penurunan penumpang kereta api. Dalam melihat dampak ter-sebut, dilakukan analisis dengan menggunakan metode pera-malan. Analisis dengan peramalan dapat digunakan beberapa metode, tergantung dengan kasus yang akan dianalisis. Dalam penelitian ini digunakan peramalan metode intervensi untuk melihat dampak dari penerapan kebijakan GAPEKA 2023. Hal ini karena terdapat kejadian eksternal berupa penerapan kebi-jakan yang mempengaruhi jumlah penumpang kereta api. Ber-dasarkan uraian tersebut, tujuan dari penelitian ini adalah untuk meramalkan jumlah penumpang kereta api di wilayah Daerah Operasi (DAOP) 8 Surabaya menggunakan metode intervensi fungsi step. Data yang digunakan dalam penelitian ini merupakan data sekunder mengenai jumlah penumpang kereta api yang diperoleh dari PT Kereta Api Indonesia (Persero) Daerah Operasi 8 Surabaya. Berdasarkan hasil analisis yang dilakukan diperoleh model terbaik ARIMA ([5,7], 0, [1,2]) de-ngan model intervensi orde b,s,r (25,4,0). Akurasi model terse-but dilakukan menggunakan RMSE sebesar 0,0083 dan MAPE sebesar 1,205% sehingga akurasi model ini dikatakan sangat baik. Hasil ramalan dengan metode intervensi dilakukan untuk periode bulan Oktober 2023 dengan pendugaan jumlah penum-pang kereta api kelas eksekutif wilayah Daerah Operasi 8 Sura-baya mengalami fluktuatif.
Pengaruh Kualitas Pelayanan dan Kepuasan pada Loyalitas Penumpang Kapal Terminal Gapura Surya Nusantara dengan Metode Structural Equation Model - Partial Least Square (SEM-PLS) Gustha, Annisa Nathania Eka; Mashuri, Muhammad
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.154997

Abstract

Transportasi mendorong pertumbuhan regional de-ngan memfasilitasi perpindahan manusia dan perdagangan. In-donesia, dengan letak maritim strategis, menjadi jalur bagi ri-buan kapal. Terminal Gapura Surya Nusantara di Surabaya meningkatkan fasilitas dan pelayanan untuk meningkatkan loyalitas pelanggan. Penelitian ini menganalisis kualitas pela-yanan terminal menggunakan SEM-PLS, dengan model ROP-MIS untuk Port Service Quality dan kepuasan serta loyalitas penumpang sebagai variabel laten eksogen. Sampel dari pene-litian ini adalah sebanyak 380 responden. Hasil penelitian menunjukkan bahwa seluruh variabel manifest telah valid dan reliabel dalam mengukur variabel latennya. Variabel kepuasan penumpang dan variabel loyalitas penumpang memiliki nilai R^2 yang sangat baik, yaitu 82,6% dan 75,9%. Nilai Q^2 yang dihasil-kan adalah sebesar 0,52 dan 0,42 bermakna pemodelan memi-liki prediksi yang relevan. Pada pengujian hipotesis didapatkan hasil bahwa seluruh indikator berpengaruh positif secara sig-nifikan terhadap variabel latennya. Kualitas pelayanan berpe-ngaruh positif terhadap kepuasan penumpang dan loyalitas pe-numpang sebesar 0,909 dan 0,869. Sedangkan kepuasan penum-pang berpengaruh positif terhadap loyalitas penumpang sebe-sar 0,165.
Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Penyusun Indeks Ketimpangan Gender Noviyanti, Nabilah Puji; Susilaningrum, Destri
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.148150

Abstract

Kesetaraan gender merupakan kondisi di mana laki-laki dan perempuan memperoleh kesempatan dan hak yang sama sebagai manusia dalam berperan dan berpartisipasi dalam segala bidang. Diskriminasi berdasarkan gender masih terjadi pada seluruh aspek. Hal ini dapat dilihat dari salah satu ukuran ketimpangan gender yakni IKG yang mengukur dalam aspek kesehatan reproduksi, pemberdayaan, dan pasar tenaga kerja. Terdapat 20 provinsi yang memiliki nilai IKG lebih tinggi dari IKG Indonesia pada tahun 2022. Di mana kondisi dari provinsi tersebut kurang optimal pada aspek yang berbeda-beda. Jika permasalahan terkait ketimpangan gender tidak di-lakukan penelitian untuk dicari penyebabnya, maka dapat me-nyebabkan kerugian dalam pertumbuhan ekonomi negara. Pe-nelitian ini bertujuan untuk mengelompokkan provinsi di Indo-nesia berdasarkan indikator penyusun IKG, mengetahui perbe-daan karakteristik pada klaster yang terbentuk, serta menge-tahui ketepatan klasifikasi dari model diskriminan. Tahap awal data sekunder dilakukan analisis statistika deskriptif. Tahap berikutnya adalah melakukan analisis klaster untuk menjawab tujuan pertama, melakukan uji one-way MANOVA dan ANOVA untuk menjawab tujuan kedua, dan melakukan ana-lisis diskriminan untuk menjawab tujuan ketiga. Terakhir dida-patkan kesimpulan yakni hasil pengelompokan provinsi berda-sarkan indikator penyusun IKG adalah terdapat 2 klaster yang terbentuk. Klaster 1 merupakan klaster kategori tinggi yang terdiri dari 24 provinsi dan klaster 2 merupakan klaster kate-gori rendah yang terdiri dari 10 provinsi. Tingkat akurasi model diskriminan yang didapatkan sebesar 70,59%.
Analisis Kapabilitas Proses Produksi Automotive Safety Belt di PT Koko Metal International Yudiane, Silmi; Aridinanti, Lucia
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.149900

Abstract

Tercatat dalam laporan statistik Indonesia 2023 yang dirilis oleh Badan Pusat Statistik, selama periode 2012 hingga 2022 jumlah mobil penumpang di Indonesia bertambah seba-nyak 65%. PT. Koko Metal International merupakan salah satu perusahaan manufaktur yang dapat memproduksi komponen otomotif. Salah satu komponen otomotif yang konstan dipro-duksi perusahaan di setiap bulannya adalah automotive safety belt model upper stay CTR BGK120547D. Perusahaan meng-identifikasi kualitas produk dengan cara visual, yaitu cacat dan tidak cacat. Belum pernah dilakukan analisis kapabilitas proses secara mendalam. Untuk mengontrol dan mengetahui kualitas proses produksi dapat dianalisis menggunakan peta kendali p. Untuk mengetahui faktor-faktor yang menyebabkan ketidak-sesuaian hasil produk dapat dianalisis menggunakan diagram sebab akibat. Data fase 1 adalah data jumlah produk cacat sela-ma periode bulan Januari hingga Desember 2021. Sedangkan data fase 2 adalah data di bulan Januari hingga Desember 2022. Proses dikatakan kapabel jika proses terkendali secara statistik dan memiliki indeks kapabilitas proses (P ̂_pk^(% )) lebih dari satu. Proses produksi yang kapabel pada fase 1 adalah proses potong, piercing, pukul, bending 1, dan bending 2 dengan P ̂_pk^(% ) secara ber-urutan adalah 1,01; 1,05; 1,02; 1,07; dan 1,05. Pada fase 2, proses yang kapabel adalah proses potong, pukul, dan bending 2 dengan P ̂_pk^(% ) secara berurutan adalah 1,02; 1,01; dan 1,01 . Se-dangkan, proses yang belum kapabel adalah proses welding pada fase 1 dengan P ̂_pk^(% ) 0,99; serta proses piercing, bending 1, dan welding pada fase 2 dengan P ̂_pk^(% ) ketiga proses tersebut ada-lah 0,99. Faktor penyebab kecacatan produk adalah faktor ling-kungan, metode, material, manusia, dan mesin. Namun, penye-bab utama dari kecacatan produk adalah faktor manusia. Ope-rator kurang teliti dan kurang menjaga kebersihan saat meng-operasikan mesin.
Pemodelan Faktor-faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Nusa Tenggara Timur Menggunakan Metode Regresi Non-Parametrik Spline Truncated Fortano, Nauvalla Farhan Putra; Budiantara, I Nyoman
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.150676

Abstract

Pengangguran adalah sebuah kondisi di mana indivi-du yang memenuhi syarat untuk bekerja, atau yang bisa disebut angkatan kerja, tidak dapat menemukan pekerjaan yang sesuai dengan keterampilan dan keinginannya. Nusa Tenggara Timur merupakan salah satu provinsi di Indonesia yang memiliki ting-kat pembangunan yang sangat rendah sekaligus angka kemis-kinan yang tinggi di Indonesia. Maka dari itu, diperkirakan bahwa Nusa Tenggara Timur memiliki tingkat pengangguran terbuka (TPT) yang besar. Namun kenyataannya, Nusa Teng-gara Timur memiliki tingkat pengangguran terbuka (TPT) yang terbilang rendah yaitu sebesar 3,439. Ketidaksesuaian te-ori dengan kenyataan dari data merupakan alasan utama pen-tingnya dilakukan penelitian ini. Pada penelitian ini akan di-modelkan TPT dengan lima variabel yang diduga berpengaruh menggunakan metode Regresi Nonparametrik Spline Trun-cated. Kelima variabel tersebut antara lain, upah pekerja infor-mal, Persentase penduduk miskin, IPM, PDRB ADHK (2010), dan Angka Melek Huruf. Fungsi spline yang digunakan adalah spline truncated linear dan Model spline terbaik diperoleh de-ngan menggunakan titik knot optimal berdasarkan nilai Gene-ralized Cross Validation (GCV) terkecil. Hasil penelitian menun-jukkan model terbaik dari pemilihan titik knot optimum adalah menggunakan tiga titik knot dan semua variabel yang diguna-kan dalam penelitian ini berpengaruh signifikan terhadap TPT di Provinsi Nusa Tenggara Timur dengan koefisien determinasi dari model ini adalah sebesar 99,99%.
Perbandingan Metode Klaster K-medoids dan K-means terhadap Hasil Peramalan Kemiskinan di Indonesia Menggunakan Backpropagation Neural Network Ramadhan, Riansyah Fazar; Ahmad, Imam Safawi; Adipradana, Dimaz Wisnu
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.150143

Abstract

Kemiskinan di Indonesia merupakan isu kompleks dan multidimensi, dengan persentase penduduk miskin yang mengalami penurunan dari tahun ke tahun, namun masih mencapai sekitar 9,36% dari total populasi atau sekitar 25,90 juta orang pada Maret 2023. Untuk mengatasi tantangan ini, diperlukan strategi penanganan yang efektif dan tepat sasaran. Salah satu pendekatan yang dapat ditempuh untuk merumuskan strategi yang lebih efektif adalah dengan melakukan peramalan tingkat kemiskinan di Indonesia. Sebelumnya, studi telah menyoroti bahwa metode peramalan menggunakan teknik pembelajaran mesin Backpropagation Neural Network (BPNN) dapat memberikan hasil yang dapat diandalkan, mengingat kemampuannya dalam memodelkan pola kompleks dalam data dan memahami hubungan nonlinear. Setelah melakukan peramalan, langkah selanjutnya adalah melakukan klasterisasi untuk memahami pola spasial atau geografis dari hasil peramalan tersebut. Meskipun klasterisasi k-Means merupakan metode klaster yang umum digunakan, beberapa kelemahan seperti sensitivitas terhadap outlier, penurunan performa ketika ukuran klaster tidak seimbang, dan dependensi performa klaster pada pemilihan jumlah klaster dan titik pusat secara acak. Oleh karena itu, muncul ide untuk mencari alternatif metode klaster yang lebih baik dan akurat dalam mengelompokkan hasil peramalan tingkat kemiskinan di Indonesia. Penelitian ini bertujuan untuk membandingkan antara dua metode klasterisasi, yaitu k-Means dan k-Medoids, terhadap hasil peramalan tingkat kemiskinan di Indonesia. Metode peramalan yang akan digunakan adalah Backpropagation Neural Network (BPNN). Hasil analisis peramalan menunjukkan tren penurunan tingkat kemiskinan secara menyeluruh di Indonesia. Evaluasi DBI terhadap klaster menunjukkan bahwa klaster terbaik diraih menggunakan K-means dengan nilai sebesar 0,828406641 dan membentuk lima klaster dengan rincian klaster 1 sebanyak 4 provinsi, klaster 2 sebanyak 13 provinsi, klaster 3 sebanyak 9 provinsi, dan klaster 4 sebanyak 8 provinsi.
Penerapan Multimodel Deep Learning dalam Pendeteksian Berita Hoaks Laman “Turnbackhoax.Id” Menggunakan Arsitektur CNN Bayhaqi, Ahmad Rizal; Dewi, Mukti Ratna; Habibi, Mochammad Reza
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.151543

Abstract

Meningkatnya penyebaran berita hoaks memicu ke-butuhan publik untuk mengatasi permasalahan tersebut. Ma-syarakat Anti Fitnah Indonesia (Mafindo), sebagai komunitas independen, berupaya memberikan edukasi dan identifikasi terkait berita hoaks. Meski demikian, proses verifikasi berita yang masih manual dan tidak cukup efektif mengingat jumlah berita hoaks yang tersebar cepat dan dalam jumlah besar. Oleh karena itu, penelitian dilakukan untuk membangun model machine learning menggunakan deep learning, khususnya con-volutional neural network (CNN), dalam mengklasifikasikan berita hoaks secara cepat dan otomatis. Penggunaan CNN ber-basis data teks dan gambar telah menunjukkan performa kla-sifikasi yang baik, terutama ketika kedua data digabungkan da-lam multimodel deep learning. Multimodel deep learning atau model CNN gabungan, menggabungkan model CNN berbasis teks (CNN 1D) dan gambar (CNN 2D) yang menunjukkan ki-nerja lebih baik dibandingkan dengan model tunggal (uni-model). Model tersebut kemudian dilatih dengan 3.103 data training dan 775 data testing dan diperoleh nilai akurasi 99,35% dan AUC 99,81%. Hasil evaluasi menunjukkan kinerja yang baik dalam mengklasifikasikan berita hoaks di dalam dan di luar model.
Analisis Data Panel Pengaruh Pertumbuhan Aset DPLK dengan Pendekatan Metode Regresi Kuantil dan Bootstrap Kuantil Pradyto, Muhammad Tamir; Ahmad, Imam Safawi; Alfajriyah, Aimmatul Ummah
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.150139

Abstract

Dana pensiun memainkan peran krusial dalam perencanaan keuangan individu untuk masa pensiun. Seiring dengan meningkatnya ketidakpastian ekonomi, keberlangsungan finansial di masa pensiun menjadi semakin vital. Dana Pensiun Lembaga Keuangan (DPLK) memberikan keamanan finansial dan memungkinkan seseorang untuk menikmati masa pensiun sesuai dengan impian dan rencananya. Namun, terdapat penurunan signifikan dalam jumlah peserta DPLK di Indonesia, meskipun aset dana pensiun terus meningkat. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi pertumbuhan aset DPLK di Indonesia. Dengan menggunakan data laporan keuangan dari tahun 2018 hingga 2022 dari berbagai DPLK, penelitian ini mempertimbangkan faktor-faktor seperti Cash Coverage Ratio (CCR), Operational Expenses Ratio (OER), Investment Expenses Ratio (IER), dan Rasio Dana Investasi (RDI). Metode yang digunakan adalah regresi kuantil panel dan bootstrap kuantil panel, yang dibandingkan untuk menentukan model terbaik dalam analisis. Hasil penelitian menunjukkan bahwa RDI adalah faktor paling dominan yang mempengaruhi pertumbuhan aset DPLK secara positif dan signifikan di hampir semua kuantil. Pada model common effect regresi kuantil panel, variabel RDI konsisten menunjukkan pengaruh signifikan positif terhadap Rasio Pertumbuhan Aset (RPA) dengan koefisien 0,97871 di kuantil 0,8. Model ini memiliki nilai AIC -131,6973, yang lebih baik dibandingkan dengan model regresi bootstrap kuantil panel yang memiliki nilai AIC 10,5755.
Peramalan Volume Muat Kargo Domestik pada Empat Bandara Utama di Indonesia dengan Menggunakan Metode VARIMA, MLS-SVR, dan Hybrid VARIMA-MLS-SVR Yunita, Nikita Amanda; Khusna, Hidayatul; Suharsono, Agus
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.155006

Abstract

Transportasi adalah salah satu aspek penting dalam kehidupan manusia. Perkembangan transportasi pesat dari ja-man ke jaman. Dengan adanya online shop kargo udara ini sa-ngat diperlukan untuk mengantarkan kargo sehingga dari wak-tu ke waktu volume muat kargo pun berubah. Perubahan vo-lume muat kargo inilah yang membuat peneliti ingin mera-malkan volume muat kargo domestik di empat bandara utama di Indonesia. Volume muat kargo antara bandara satu dengan yang lainnya saling berhubungan karena adanya transit kargo pada bandara satu dengan yang lain. Sehingga diperlukan me-tode multivariate time series. Pada penelitian ini digunakan mau-del multivariat konvensional, yaitu Vector Autoregressive Inte-grated Moving Avarage (VARIMA) dan machine learning, yaitu Multioutput Least Square Support Vector Regression (MLS-SVR) serta Hybrid VARIMA-MLS-SVR. Namun dari ketiga model tersebut, model yang terbaik untuk meramalkan volume muat kargo domestik di empat bandara di Indonesia adalah VARI-MA(3,1,0) dengan nilai MAPE out sample sebesar 10,11% dan Hybrid VARIMA-MLS-SVR dengan nilai MAPE out sample sebesar 10,24%. Selain itu, model Hybrid VARIMA-MLS-SVR unggul berdasarkan kriteria MAPE in sample dan out sample.

Page 2 of 3 | Total Record : 28

 1   2   3 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 14, No 2 (2025) Vol 14, No 1 (2025) Vol 13, No 6 (2024) Vol 13, No 5 (2024) Vol 13, No 4 (2024) Vol 13, No 3 (2024) Vol 13, No 2 (2024) Vol 13, No 1 (2024) Vol 12, No 6 (2023) Vol 12, No 3 (2023) Vol 12, No 2 (2023) Vol 12, No 1 (2023) Vol 11, No 6 (2022) Vol 11, No 5 (2022) Vol 11, No 4 (2022) Vol 11, No 3 (2022) Vol 11, No 2 (2022) Vol 11, No 1 (2022) Vol 10, No 2 (2021) Vol 10, No 1 (2021) Vol 9, No 2 (2020) Vol 9, No 1 (2020) Vol 8, No 2 (2019) Vol 8, No 1 (2019) Vol 7, No 2 (2018) Vol 7, No 1 (2018) 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 3 (2013) Vol 2, No 2 (2013) Vol 2, No 1 (2013) Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) More Issue