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 30 Documents
 1   2   3 
Search results for , issue "Vol 14, No 1 (2025)" : 30 Documents clear
Analisis Pengendalian Persediaan Kendaraan Bermotor Jaringan M Menggunakan Fuzzy Economic Order Quantity (Studi Kasus: PT XYZ) Koo, Reyner Nolan; Khusna, Hidayatul
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.155096

Abstract

Indonesia merupakan salah satu negara dengan peng-gunaan kendaraan bermotor yang cukup tinggi di dunia. Tentu hal ini membuka peluang bagi para produsen kendaraan ber-motor untuk meningkatkan bisnis mereka, termasuk PT XYZ. Dimana, salah satu jaringan yang dimiliki oleh PT XYZ adalah Jaringan M. Pada Jaringan M, kondisi stockout (kehabisan stok) dan overstock (kelebihan stok) sering terjadi karena kea-daan pasar yang tidak menentu, terutama pada series unit Y dan A. Oleh karena itu, penelitian ini akan menggunakan meto-de Fuzzy Economic Order Quantity untuk mengetahui persedia-an optimal series unit Y dan A pada Jaringan M. Logika fuzzy digunakan karena sangat cocok dengan kondisi permintaan ser-ies unit Y dan A yang tidak menentu. Pada penelitian ini, data permintaan dilakukan peramalan terlebih dahulu mengguna-kan metode ARIMA. Lalu, hasil ramalan titik dan interval akan digunakan untuk membangun nilai fuzzy. Hasil dari penelitian ini didapatkan bahwa Fuzzy EOQ dapat menghemat biaya hingga Rp5.210.876.972,34 atau 10,46% dari kebijakan perusa-haan, dengan reorder point optimal saat series Y tersisa 3750 unit dan series A tersisa 100 unit.
Pemodelan Efisiensi Investasi dengan Faktor Financial Distress dan Managerial Ability Menggunakan Regresi Data Panel dan Support Vector Regression Wildani, Siti Anisa; Ahmad, Imam Safawi
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.149226

Abstract

Pengukuran tingkat kemajuan dan perkembangan ekonomi suatu negara dapat dilihat dari pertumbuhan ekonominya. Berdasarkan data BPS angka Incremental Capital Output Ratio (ICOR) Indonesia dari tahun 2018-2020 bergerak fluktuatif. Nilai ICOR Indonesia pada tahun 2018 tercatat sebesar 6,72% lalu pada tahun 2019 mengalami peningkatan sebesar 6,87%. Kemudian pada tahun 2020 turun hingga -15,12%, kemudian di tahun 2021 meningkat sebesar 9,94% lalu menurun pada tahun 2022 sebesar 6,25%. Hal ini tentunya tidak baik bagi efisiensi investasi di Indonesia. Salah satu konsep penting dalam manajemen keuangan perusahaan adalah kesulitan keuangan atau financial distress, yang mengacu pada ketidakmampuan suatu perusahaan untuk memenuhi kewajiban keuangannya karena arus kas yang tidak mencukupi atau leverage yang tinggi. Faktor selanjutnya yang mempengaruhi efisiensi investasi yaitu kemampuan manajerial. Kemampuan manajerial merupakan faktor ekonomi yang signifikan dalam menentukan efisiensi investasi, yang pada gilirannya memengaruhi tingkat investasi yang optimal. Oleh karena itu, penelitian ini bertujuan untuk memodelkan efisiensi investasi dengan faktor financial distress dan managerial ability menggunakan metode Regresi Data Panel dan Support Vector Regression (SVR). SVR dipilih karena mampu menghasilkan model yang robust yaitu tahan terhadap pelanggaran asumsi-asumsi dalam mengidentifikasi faktor-faktor yang berperan dalam efisiensi investasi. Data yang digunakan dalam penelitian ini adalah data sekunder dari perusahaan sektor manufaktur berupa laporan keuangan dan tahunan dari tahun 2018 hingga 2022. Hasil penelitian menunjukkan bahwa model regresi data panel didapatkan model random effect yang menghasilkan nilai RMSE terkecil yaitu 0,049 dibandingkan dengan model yang lain. Pemodelan SVR pada data common menggunakan kernel linear didapatkan nilai RMSE terkecil sebesar 0,117, sedangkan dengan kernel RBF didapatkan nilai RMSE terkecil yaitu sebesar 0,1227. Pemodelan SVR pada data fixed menggunakan kernel linear didapatkan nilai RMSE terkecil sebesar 0,120, sedangkan dengan kernel RBF didapatkan nilai RMSE terkecil yaitu sebesar 0,1228. Oleh karena itu, dari metode-metode yang digunakan dapat disimpulkan bahwa model terbaik pada penelitian ini adalah random effect.
Prediksi Harga Minyak Mentah Dunia Menggunakan Support Vector Regression Berbasis Genetic Algorithm, Particle Swarm Optimization, dan Grid Search Suhartono, Putri Regina; Azmi, Ulil; Adipradana, Dimaz Wisnu
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.147823

Abstract

Minyak bumi berperan besar dalam perekonomian global karena hasil olahannya sering digunakan dalam kehidupan sehari hari. Harga minyak dunia dapat naik turun tergantung tingginya permintaan global dan kebijakan yang dikeluarkan Organization of the Petroleum Exporting Countries (OPEC). Jika harga minyak naik maka dapat menimbulkan inflansi dan menurunkan daya beli konsumen. Sebaliknya, harga minyak yang turun dapat merugikan negara produsen minyak dan industri pengelola minyak. Oleh sebab itu, prediksi terhadap harga minyak mentah dunia menjadi penting sebagai upaya untuk mengelola volatilitas pasar dan dampaknya terhadap ekonomi global. Penelitian ini dilakukan untuk memprediksi harga minyak dunia mengunakan Support Vector Regression (SVR) dengan metode optimasi Genetic Algorithm (GA), Particle Swarm Optimization (PSO), dan Grid Search (GS) untuk mendapatkan parameter optimal. Data yang digunakan adalah OPEC Basket Price harian periode 2003 – 2023. Analisis SVR dilakukan menggunakan kernel linear, polynomial, dan Radial Basis Function (RBF), dimana kernel terbaik selanjutnya akan dioptimasi sehingga dihasilkan parameter cost (C), gamma (γ), dan epsilon (ε) yang optimal berdasar nilai RMSE yang terkecil. Hasil penelitian diperoleh bahwa kernel RBF merupakan yang terbaik dengan RMSE sebesar 2,120208 dengan nilai parameter C sebesar 1, γ sebesar 0,0001, dan ε sebesar 0,0001. Dari optimasi yang telah dilakukan diperoleh hasil bahwa metode SVR-GA memiki RMSE terkecil yaitu sebesar 2,119924 dengan nilai parameter C sebesar 0,9314789, γ sebesar 0,00008454813, dan ε sebesar 0,00006456384. Meski tidak terlalu signifikan, metode optimasi Genetic Algorithm mampu mengoptimasi parameter SVR kernel RBF pada prediksi harga minyak mentah dunia.
Pemanfaatan Satelit-8 OLI dalam Klasifikasi Wilayah Potensi Risiko Kerusakan Lahan Akibat Tsunami di Kota Cilegon dengan Metode ANN dan SVM Afnan, Dzawata; Azmi, Ulil; Adipradana, Dimaz Wisnu
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.148380

Abstract

Kota Cilegon merupakan pintu gerbang Pulau Jawa bagian barat yang menghubungkan Pulau Jawa dan Pulau Sumatera, berperan penting dalam pertumbuhan ekonomi, industri, dan pariwisata antar pulau. Namun, kota ini rawan tsunami yang disebabkan oleh aktivitas vulkanik Anak Krakatau. Tsunami adalah rangkaian gelombang laut yang menjalar dengan kecepatan tinggi akibat gangguan impulsif di dasar laut seperti letusan gunung berapi dan longsor. Salah satu mitigasi sebelum terjadinya tsunami adalah dengan mengetahui daerah yang memiliki risiko kerusakan lahan tinggi akibat tsunami menggunakan klasifikasi berdasarkan indeks vegetasi seperti NDVI, NDWI, NDBI, MNDWI, dan SAVI melalui metode Artificial Neural Network (ANN) dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa model SVM terbaik yang diperoleh dari Grid Search adalah model SVM dengan kernel Radial Basis Function (RBF) dengan parameter ∁=100 dan γ=3.162278, yang berhasil mengklasifikasikan risiko kerusakan lahan akibat tsunami di kelurahan Kota Cilegon dengan persentase klasifikasi benar sebesar 99,07%. Sementara itu, model ANN terbaik adalah model MLP (5-5-2), yang memiliki 5 input neuron, 5 hidden neuron, dan 2 output neuron, dengan persentase klasifikasi benar sebesar 97,02%. Berdasarkan nilai accuracy score dan cohen’s kappa, metode SVM adalah metode klasifikasi terbaik dengan accuracy score 99,07% dan nilai cohen’s kappa 97,6%, lebih tinggi dibandingkan metode ANN. Prediksi klasifikasi dengan metode terbaik mengidentifikasi 24 kelurahan di Kota Cilegon dengan risiko tinggi kerusakan lahan akibat tsunami, yaitu Bendungan, Rawaarum, Jombang Wetan, Ciwaduk, Ciwedus, Gunungsugih, Kedaleman, Cibeber, Ketileng, Tegalratu, Warnasari, Ramanuju, Samangraya, Sukmajaya, Lebakgede, Kepuh, Citangkil, Randakari, Panggungrawi, Masigit, Kubangsari, Kebonsari, dan Gedongdalem. Hasil penelitian ini diharapkan dapat menjadi acuan dalam mengenali daerah dengan risiko tinggi, mempermudah penentuan tindakan evakuasi, meminimalisir dampak kerusakan dan kerugian, serta memastikan tindakan efektif dalam menghadapi tsunami.
Prediksi Financial Distress pada Perusahaan Sektor Pertambangan di Indonesia dengan Pendekatan Deep Learning (DL) Zulfikar, Marcia Nayfa Fahira; Mukarromah, Adatul
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.155790

Abstract

Selama beberapa dekade, isu mengenai financial di-stress telah menjadi fokus kajian mendalam di bidang keuangan perusahaan. Dampaknya yang signifikan terhadap kelangsung-an hidup bisnis, serta keputusan investor dan kreditur ekster-nal, menjadikan pemahaman dan prediksi financial distress sa-ngat penting. Pentingnya memprediksi financial distress perusa-haan dengan akurat, terutama di sektor pertambangan, men-jadi krusial mengingat kontribusinya yang signifikan terhadap pertumbuhan ekonomi Indonesia. Sebagaimana sektor pertam-bangan dan penggalian memberikan kontribusi sebesar 12,22% terhadap pertumbuhan ekonomi nasional di tahun 2022. Me-mastikan prediksi yang tepat terkait financial distress menjadi kunci dalam memitigasi risiko dan menjaga stabilitas sektor ini. Dengan mengintegrasikan metode deep learning, yaitu Artificial Neural Network (ANN), khususnya One-Dimensional Convolu-tional Neural Network (1D-CNN). Dalam penelitian ini, diguna-kan variabel prediktor berupa 11 rasio keuangan dan 1 variabel respon berupa klasifikasi biner melalui pendekatan nilai indeks Interest Coverage Ratio (ICR). Data dibagi menjadi 80% untuk training dan 20% untuk testing dengan Stratified 10-fold Cross Validation. Dengan tujuan untuk mendapatkan model dengan akurasi terbaik sebagai early warning perusahaan, model terba-ik yang diperoleh dalam penelitian ini adalah model dengan ker-nel size 3, learning rate α 0,0001, dan regularization L2 pada 3 layer terpilih dengan nilai akurasi sebesar 92,31%.
Penerapan Multivariate Adaptive Regression Spline (MARS) dan Bagging MARS pada Pengaruh Faktor Makroekonomi dan Indeks Asing terhadap Indeks Harga Saham Gabungan (IHSG) Reza, Sharah Aulia Ulaila; Azmi, Ulil; Azwarini, Rahmania
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.148607

Abstract

Indeks Harga Saham Gabungan (IHSG) menjadi indeks yang sering diamati oleh investor untuk melihat keadaan pasar saham Indonesia saat ini. Keadaan IHSG akan mempengaruhi keputusan investor kedepannya. IHSG diduga dipengaruhi oleh beberapa faktor makroekonomi dan indeks-indeks asing. Hubungan tersebut dapat dianalisis lebih jauh menggunakan Multivariate Adaptive Regression Spline (MARS) dan ditingkatkan menggunkan Bagging MARS. Variabel prediktor yang digunakan adalah Inflasi, BI-rate, Kurs IDR/USD, Indeks Harga Konsumen (IHK), Harga Minyak, M2, Harga Emas, DJIA, FTSE-100, SSE, Nikkei 225, dan HSI. Data yang digunakan merupakan data bulanan mulai Januari 2014 hingga Desember 2023. Model optimal yang dihasilkan menggunakan maksimum basis fungsi sebanyak 15 dan maksimum interaksi sebanyak 1 (tidak ada interaksi). Hasil menunjukkan variabel yang mempengaruhi IHSG adalah Kurs IDR/USD, IHK, M2 , DJIA, FTSE-100, SSE, Nikkei 225, dan HSI. Pada penerapan bagging, model bagging MARS memiliki performa lebih baik ditunjukkan dengan peningkatan R-square dan penurunan GCV, RMSE, RSS, dan MAE dibandingkan dengan single MARS. Model bagging terbaik menggunakan bootstrap sebanyak 25 kali.
Perbandingan Metode Analisis Survival dengan Pendekatan Parametrik, Semiparametrik, dan Random Survival Forest dalam Menganalisis Ketahanan Perusahaan Terdaftar di Indeks LQ45 Putri, Nayla Salsabila Cindiva Utomo; Ahmad, Imam Safawi
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.148765

Abstract

Bursa Efek Indonesia (BEI) merupakan salah satu regulator utama pasar modal di Indonesia yang mengelola 44 indek saham, salah satunya indeks LQ45. Emiten yang tercatat didalam indeks akan dievaluasi setiap enam bulan, sehingga emiten yang sudah tidak memenuhi kriteria akan dikeluarkan dari indeks atau delisting. Indeks LQ45 sendiri merupakan indeks yang berisikan emiten yang memiliki kapitalisasi pasar besar, likuiditas tinggi, serta fundamental perusahaan yang baik. Fundamental perusahaan sendiri mengacu pada performa keuangannya, artinya rasio keuangan merupakan salah satu indikator penting untuk menentukan emiten apa saja yang tercatat didalam indeks. Akan tetapi, tidak semua rasio keuangan berpengaruh terhadap ketahanan emiten di indeks. Oleh karena itu, diperlukan perhitungan statistik untuk mendapatkan rasio apa saja yang mampu memprediksi probabilitas delisting suatu emiten. Pada penelitian ini dilakukan analisis survival menggunakan tiga pendekatan berbeda untuk menganalisis ketahanan perusahaan terdaftar di Indeks LQ45. Terdapat tiga metode yang digunakan pada penelitian ini, yaitu regresi Weibull, regresi Cox Proportional Hazard (CPH), dan Random Survival Forest (RSF). Variabel yang digunakan dalam penelitian ini adalah data rasio keuangan emiten terdaftar di Indeks LQ45 pada periode 2016 hingga 2023. Hasil penelitian ini menunjukkan bahwa model regresi CPH lebih baik dalam memprediksi ketahanan perusahaan dibandingkan kedua metode lainnya, dengan nilai C-index sebesar 83,75%. Rasio keuangan yang mempengaruhi ketahanan perusahaan terdaftar di Indeks LQ45 adalah Book Value per Share (BVPS), Earnings per Share (EPS), dan Price Earnings Ratio (PER).
Estimasi Jumlah Proyek Penanaman Modal Asing Sektor Pertambangan Menggunakan Analisis Intervensi-Kalman Filter Purwirahayu, Juwita Ardiyanti; Widodo, Basuki
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.156585

Abstract

Pertumbuhan jumlah proyek Penanaman Modal Asing (PMA) sektor pertambangan di Indonesia memperlihatkan peningkatan hingga 90% pada triwulan pertama tahun 2023. Adanya peningkatan pada jumlah proyek PMA tersebut disebabkan oleh faktor kebijakan pemerintah Indonesia, yaitu Peraturan Pemerintah Pengganti Undang-Undang (Perppu) Nomor 2 Tahun 2022 atau yang dikenal dengan Perppu Cipta Kerja. Dengan demikian, dilakukan peramalan jumlah proyek PMA sektor pertambangan untuk memungkinkan upaya penyesuaian kebijakan yang responsive. Penelitian ini menggunakan metode Analisis Intervensi dan Analisis Intervensi-Kalman Filter. Model Analisis Intervensi terbaik diperoleh yaitu model ARIMA(1,1,1) orde b=1, s=2, dan r=0. Setelah diperoleh model analisis intervensi terbaik, dilakukan estimasi menggunakan Kalman Filter. Hasil Mean Absolute Percentage Error (MAPE) dari model Analisis Intervensi adalah 23,6155%, sedangkan dari Analisis Intervensi-Kalman Filter adalah 0,27885%.
Analisis Komparatif Cryptocurrency dan Stablecoins: Risiko Volatilitas dan Implikasi Investasi Menggunakan Generalized Autoregressive Conditional Heteroskesdasticity Sutrisno, Frederick James; Atok, R Mohamad
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.150684

Abstract

Penelitian ini menyelidiki kebenaran sifat kestabilan dari stablecoins dibandingkan dengan mata uang kripto tradisional. Menggunakan model DCC-GARCH dan ARIMA-GARCH, penelitian ini menganalisis data harga harian dari Januari 2020 hingga Desember 2023 untuk tiga mata uang kripto (Bitcoin, Ethereum, dan Ripple) dan tiga stablecoin (Tether, USD-Coin, dan PAX-Gold). Hasil penelitian menunjukkan bahwa korelasi bersyarat dinamis antara mata uang kripto tradisional dan stablecoins umumnya rendah dan tidak stabil, yang dapat memberikan manfaat diversifikasi dalam portofolio. Namun, volatilitas yang tinggi pada pasangan PAX-Gold membutuhkan strategi lindung nilai yang lebih dinamis. Analisis VaR dan EVT menunjukkan bahwa Ripple adalah mata uang kripto paling berisiko, diikuti oleh Ethereum dan Bitcoin. Stablecoins seperti Tether dan USD-Coin menunjukkan risiko dan volatilitas terendah, sementara PAX-Gold, meskipun lebih stabil daripada mata uang kripto tradisional, masih menunjukkan volatilitas yang lebih tinggi dibandingkan stablecoin berbasis USD. Model ARIMA menunjukkan kinerja prediksi harga yang baik untuk periode pendek dengan tingkat kesalahan rendah sekitar 2,5%, namun akurasi menurun untuk prediksi jangka panjang. Temuan ini mengindikasikan bahwa investor yang mencari keuntungan tinggi mungkin lebih memilih Ripple dan Ethereum, sedangkan mereka yang mengutamakan stabilitas akan tertarik pada Tether dan USD-Coin. Bitcoin dan PAX-Gold menawarkan keseimbangan antara risiko moderat dan potensi keuntungan yang cukup baik. Penelitian ini memberikan wawasan penting tentang dinamika pasar mata uang kripto dan stablecoin, serta implikasi investasi dan manajemen risiko bagi investor.
Penerapan Model Ramsey Cass Koopmans pada Pertumbuhan Ekonomi Industri Terhadap Tingkat Suku Bunga dan Pengaruh Pasca Pandemi Covid – 19 Di Provinsi Jawa Timur Rahmah, Zanubah Adillah; Widodo, Basuki
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.149176

Abstract

Pada masa pandemi COVID-19, pertumbuhan ekono-mi Indonesia sempat mengalami penurunan. Kondisi ini juga dialami oleh beberapa perusahaan industri besar di Jawa Ti-mur. Pertumbuhan ekonomi dapat diartikan sebagai pening-katan jumlah pengeluaran konsumsi dari perekonomian suatu negara. Peningkatan pengeluaran konsumsi mendorong ber-kembangnya kuantitas dan kualitas produksi barang dan jasa. Salah satu faktor yang mempengaruhi peningkatan pengeluar-an konsumsi adanya utilitas konsumsi, yaitu manfaat yang diperoleh dari aktivitas mengonsumsi dan menggunakan ba-rang dan jasa. Mengingat begitu pentingnya tingkat utilitas konsumsi ini, maka banyak penelitian-penelitian yang fokus pada tingkat utilitas ini. Namun, belum memperhatikan penga-ruh dari suku bunga acuan Bank Indonesia (BI). Karena itu dalam usulan penelitian ini, kami menganalisis pengaruh suku bunga acuan BI terhadap pertumbuhan ekonomi industri, yang berkaitan dengan tingkat utilitas konsumsi, menggunakan model Ramsey Cass Koopmans dan mempertimbangkan kontrol optimumnya. Berdasarkan hasil dan Analisis didapatkan solusi bahwa model Ramsey Cass Koopmans menghasilkan solusi yang positif. Selanjutnya, untuk penyelesaian kontrol optimal terbukti bahwa kontrol yang diterapkan pada konsumsi per kapita efektif dalam memaksimalkan utilitas konsumsi. Hasil simulasi menunjukkan bahwa tingkat suku bunga sebagai kebi-jakan ekonomi mempengaruhi stok modal dan konsumsi.

Page 2 of 3 | Total Record : 30

 1   2   3 

Filter by Year

2025 2025


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