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 yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Buana Informatika
Published by Universitas Atma Jaya Yogyakarta
ISSN : 20872534     EISSN : 20897642     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 602 Documents
 55   56   57   58   59 
Pengaruh Faktor Adaptasi Model UTAUT terhadap Intensi Adopsi Sistem Hijau pada Bank Indonesia Racana Ayu Kaeksi; Intan Sartika Eris Maghfiroh; Muhammad Aminul Akbar
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i01.10681

Abstract

Bank Indonesia (BI) berperan penting dalam transisi menuju sistem keuangan hijau, namun BI masih menghadapi tantangan penerapan teknologi yang lebih hijau secara internal. Hal ini tercermin dari skor rendah pada aspek “leading by example” dalam Green Central Banking Scorecard. Penelitian ini menggunakan model UTAUT yang dimodifikasi dengan faktor keterlibatan stakeholder untuk mengevaluasi intensi adopsi green Information System (IS) di BI. Hasil PLS-SEM menunjukkan bahwa keterlibatan stakeholder berpengaruh signifikan terhadap adopsi green IS (β = 0,792; p < 0,001), dan ekspektasi kinerja berpengaruh positif terhadap niat perilaku (β = 0,420; p = 0,014). Sebaliknya, kondisi fasilitasi berdampak negatif (β = –0,374; p = 0,027), menandakan kurangnya dukungan sumber daya. Walaupun terdapat pengaruh positif, faktor harapan usaha dan faktor sosial berada pada nilai yang tidak signifikan. Secara keseluruhan, BI menempati tahap awal maturitas model green IT (level 1: incipient), sehingga diperlukan strategi lanjutan dalam mendorong transformasi digital yang lebih hijau. 
Peningkatan Akurasi Rekomendasi Dokter pada Kondisi Data Sparsity Menggunakan Algoritma Content-Based Filtering Alwan Prasetya; Ahsanun Naseh Khudori; Risqy Siwi Pradini
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i01.10836

Abstract

Perkembangan aplikasi layanan kesehatan seperti Halodoc, Alodokter, dan Klikdokter telah menyediakan sistem rekomendasi yang memudahkan pasien untuk menentukan dokter yang relevan. Namun, rekomendasi dokter yang relevan masih menjadi tantangan. Salah satu permasalahannya adalah data sparsity, yaitu kelangkaan atribut data yang menyebabkan akurasi sistem rekomendasi bekerja kurang akurat. Penelitian ini mengembangkan sistem rekomendasi dokter menggunakan pendekatan Content-Based Filtering (CBF) untuk melakukan rekomendasi dokter sesuai dengan preferensi pasien dengan mempertimbangkan lima atribut utama: spesialisasi, rating, biaya konsultasi, lama praktik, dan jenis kelamin. Aturan imputasi data dan pembobotan atribut telah diimplementasikan untuk meningkatkan akurasi sistem rekomendasi. Hasil dari analisis data menunjukan teknik tersebut telah menurunkan Mean Absolute Error (MAE) dari 0,142 menjadi 0,102 dan Root Mean Squared Error (RMSE) dari 0,205 menjadi 0,150, sehingga teknik yang diimplementasikan meningkatkan sistem rekomendasi dokter dengan kondisi data sparsity.
Ekstraksi Pengetahuan dari Ulasan Aplikasi CapCut Menggunakan Metode Aspect-Based Sentiment Analysis dan Klasifikasi Ishlah Putri Ariyani; Ken Ditha Tania; Ari Wedhasmara; Allsela Meiriza
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i01.11269

Abstract

Indonesia mengalami perkembangan teknologi yang pesat, khususnya dalam penggunaan internet dan platform editing seperti CapCut. Platform ini memungkinkan pengeditan video di berbagai perangkat, namun kepuasan pengguna tidak selalu terjamin karena perbedaan pengalaman individu. Penelitian ini bertujuan untuk mengidentifikasi sentimen pengguna terhadap aplikasi CapCut berdasarkan aspek.Dengan menggunakan pendekatan Aspect-Based Sentiment Analysis (ABSA) yang didukung oleh algoritma Machine Learning untuk tugas klasifikasi sentimen berdasarkan aspek. Algoritma yang digunakan dalam proses klasifikasi adalah Support Vector Machine. Data yang digunakan adalah ulasan aplikasi CapCut dari Google Play Store sebanyak 22.668 data. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM) memiliki performa yang baik untuk masing-masing aspek dengan nilai akurasi untuk aspek fitur 0,88 dan aspek user experience 0,87. Hasil ekstraksi pengetahuan yang diperoleh berupa XML yang memuat informasi sentimen pengguna terhadap dua aspek utama, yaitu fitur dan user experience. 
Importance of Feature Selection for Multiple Disease Classification Rio Arya Andika; Christine Dewi
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i01.11354

Abstract

The performance of machine learning in disease classification heavily depends on effective feature selection. This study explores feature selection methods—Boruta and Recursive Feature Elimination (RFE)—with ensemble models like Random Forest, Decision Tree, Gradient Boosting, LightGBM, and XGBoost using Electronic Health Records (EHR) data. Results show that combining Boruta with LightGBM achieves the highest accuracy of 99%. Feature selection enhances precision by focusing on relevant variables and removing unnecessary ones. Further analysis reveals that features such as Red Blood Cells, Insulin, Heart Rate, and Cholesterol significantly influence the classification of specific diseases. These findings highlight the importance of feature selection in multi-disease classification and medical data analysis, improving the efficiency of machine learning systems. Future research should develop more flexible feature selection methods and test models on diverse disease datasets.
Sistem Pakan Cerdas Berbasis IoT Untuk Optimalisasi Peternakan Kambing Umbaran di Era Digital Farm Rizal Zahrowani; Jeki Kuswanto; Eko Pramono
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i01.11357

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pakan cerdas berbasis Internet of Things (IoT) yang dirancang untuk meningkatkan efisiensi pemberian pakan di peternakan kambing umbaran. Sistem ini secara otomatis mengatur dispenser pakan sesuai dengan jadwal yang telah ditentukan, sehingga memudahkan peternak dalam manajemen pakan. Pengujian sistem menunjukkan efektivitas dalam mengurangi waktu pemberian pakan dan meminimalkan pemborosan. Selain itu, sistem dilengkapi dengan layar LCD yang menampilkan status dispenser, memberikan informasi real-time kepada peternak. Teknologi ini juga memungkinkan pemantauan jarak jauh, sehingga peternak dapat mengelola pakan dengan lebih baik. Dengan penerapan sistem ini, diharapkan dapat meningkatkan produktivitas dan kesejahteraan ternak, serta mendorong modernisasi dalam praktik peternakan di Indonesia. Inovasi ini diharapkan menjadi solusi yang berkelanjutan untuk tantangan dalam manajemen pakan, memberikan manfaat jangka panjang bagi peternak dan industri peternakan secara keseluruhan. 
Implementasi Algoritma Apriori sebagai Association Rule Learning untuk Mengidentifikasi Pola Item Dataset Penjualan I Wayan Supriana; Luh Arida Ayu Rahning Putri
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i01.11384

Abstract

Persaingan toko retail semakin ketat, pemasaran dan penataan produk penting untuk efisiensi belanja, menjaga kenyamanan, dan meningkatkan profit. Analisis kebiasaan berbelanja konsumen terhadap barang pada setiap transaksi dengan melakukan market basket analysis. Algoritma Apriori merupakan salah satu teknik untuk menemukan frequent item dalam membangun association rule yaitu hubungan antara kombinasi item dalam suatu dataset. Penelitian ini bertujuan untuk implementasi algoritma Apriori sebagai association rule learning untuk mengidentifikasi pola item dataset penjualan pada toko retail. Association rule itemset dengan algoritma Apriori akan dibandingkan dengan Frequent Pattern Growth (FP-Growth) yang merupakan algoritma untuk menemukan himpunan data yang paling sering muncul pada dataset. Berdasarkan pengujian yang dilakukan rerata nilai lift ratio algoritma Apriori sebesar 1,58 dan rerata nilai lift ratio algoritma FP-Growth sebesar 1,28.  Hal ini menunjukkan bahwa algoritma Apriori memiliki kinerja lebih tinggi jika dibandingkan dengan algoritma FP-Growth. 
Perbaikan Kualitas Gambar untuk Deteksi Plat Nomor Kendaraan dengan Metode Super Resolution GANs Sugeng Sugeng; Nugraha Widyanto
Jurnal Buana Informatika Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i2.11483

Abstract

Penelitian tentang pembelajaran mendalam yang dapat meningkatkan resolusi gambar dapat diterapkan di berbagai bidang. Salah satu implementasinya adalah dalam deteksi plat nomor kendaraan. Dengan menggunakan teknologi Deep Learning SRGAN yang mampu meningkatkan resolusi gambar, membuat proses pengenalan objek menjadi lebih mudah. Dalam studi ini, model dilatih dengan 1.070 gambar, termasuk 535 gambar beresolusi rendah dan 535 gambar beresolusi tinggi. Model kemudian diuji dengan 10 gambar beresolusi rendah. Hasilnya menunjukkan bahwa model dapat meningkatkan resolusi gambar hingga 2x dari gambar masukan. Evaluasi model menghasilkan nilai PSNR rata-rata sebesar 20,1587 dB untuk input image dan 21,1831 dB untuk output model. Nilai SSIM rata-rata adalah 0,5215 untuk input image dan 0,6331 untuk output model.
Penerapan State Pattern dan Retrieval-based Chatbot pada NPC Game Visual Novel di Unity Engine Dzikri Maulana; Muhammad Nurbayu Dila; Meissy Irania Putri
Jurnal Buana Informatika Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i2.11780

Abstract

Penelitian ini membahas integrasi antara State Design pattern dan chatbot berbasis retrieval dalam Non-Playable Character (NPC) untuk meningkatkan interaksi pemain dalam Unity Game Engine. NPC dirancang memiliki tiga kondisi emosional utama: Happy, Normal, dan Angry, yang masing-masing memengaruhi dataset percakapan yang digunakan. Chatbot menggunakan algoritma cosine similarity untuk mencocokkan masukan pemain dengan respons yang paling relevan dari dataset berdasarkan emosi aktif. Metodologi penelitian yang digunakan adalah model waterfall, dengan tahapan implementasi, pengujian transisi state, dan evaluasi respons chatbot. Hasil menunjukkan akurasi pemilihan respons sebesar 95,65% dari 230 data uji, serta tingkat adaptabilitas chatbot sebesar 45% terhadap konteks emosi. Penelitian ini membuktikan bahwa integrasi state emosi dengan chatbot berbasis retrieval mampu menciptakan interaksi NPC yang lebih realistis dan kontekstual, meskipun masih terdapat keterbatasan dalam pemahaman semantik dan keberagaman respons.
Penerapan Graph Neural Network dalam Pengenalan Alfabet BISINDO dengan Fokus pada Gerakan Dinamis Febri Damatraseta; Muhammad Alfan; Yuliandi
Jurnal Buana Informatika Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i2.12013

Abstract

Sebagian besar studi pengenalan alfabet Bahasa Isyarat Indonesia (BISINDO) masih terbatas pada gesture statik, meskipun beberapa huruf seperti R dan J memiliki karakteristik gerakan dinamis yang tidak dapat direpresentasikan secara statis. Penelitian ini menggunakan MediaPipe untuk mendeteksi 21 keypoints tangan sebagai input fitur. Titik-titik ini dimodelkan dalam bentuk graf dan diproses menggunakan Graph Neural Networks (GNNs) guna mengenali alfabet secara simultan, termasuk huruf-huruf dinamis. Proses pelatihan menggunakan K-Fold Cross Validation untuk menguji konsistensi performa model. Model GNN menghasilkan akurasi sebesar 96% pada pengujian data alfabet BISINDO. Prototipe sistem dalam bentuk aplikasi web berhasil mengenali 26 huruf BISINDO secara dinamis dengan tingkat akurasi prediksi mencapai 91%, menunjukkan potensi implementasi nyata dari pendekatan GNN dalam mendukung aksesibilitas komunikasi inklusif.
Two-Sided RRT* Planner Considering Inter-Node Maximum Length Connection on Adversarial Workspaces for AGV Anugrah K Pamosoaji
Jurnal Buana Informatika Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v16i2.12104

Abstract

This paper presents a two-sided Rapidly-Explored Random Tree (RRT*) which is a variant of RRT* path planning algorithm that utilizes a start and a target node as the bases for generating paths. The advantage of this method is in the capability to make a connection between start and target nodes under adversarial workspace. In this type of workspaces, the main problem in RRT* is the success rate of constructing a complete and optimized route and reducing path-generation processing time. The proposed algorithm is purposed to increase the route generation success rate and reduce the processing time. The technique consists of two-fold: the application of maximum length of inter-node path and two-sided node generation, i.e., from the start and target nodes. Simulation results conclude that the application of large maximum length of inter-node path can increase the success rate of complete route construction.

Page 57 of 61 | Total Record : 602

 55   56   57   58   59 

Filter by Year

2010 2026


Reset
Filter By Issues
All Issue Vol. 17 No. 1 (2026): Jurnal Buana Informatika, Volume 17, Nomor 1, April 2026 Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025 Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025 Vol. 15 No. 01 (2024): Jurnal Buana Informatika, Volume 15, Nomor 01, April 2024 Vol. 15 No. 2 (2024): Jurnal Buana Informatika, Volume 15, Nomor 02, Oktober 2024 Vol. 14 No. 02 (2023): Jurnal Buana Informatika, Volume 14, Nomor 2, Oktober 2023 Vol. 14 No. 01 (2023): Jurnal Buana Informatika, Volume 14, Nomor 1, April 2023 Vol. 13 No. 02 (2022): Jurnal Buana Informatika, Volume 13, Nomor 2, Oktober 2022 Vol. 13 No. 1 (2022): Jurnal Buana Informatika, Volume 13, Nomor 1, April 2022 Vol 12, No 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol. 12 No. 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol. 12 No. 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol 12, No 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol. 11 No. 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol. 11 No. 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol 10, No 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol 9, No 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol 9, No 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol 8, No 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol. 8 No. 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol 8, No 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol 8, No 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol. 8 No. 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 8, No 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 7, No 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol. 7 No. 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol. 7 No. 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol 7, No 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol. 7 No. 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol. 6 No. 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol. 6 No. 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol. 6 No. 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol. 6 No. 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol. 5 No. 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol 5, No 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol. 5 No. 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol. 4 No. 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol. 4 No. 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol. 3 No. 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol. 3 No. 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol. 2 No. 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol. 2 No. 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol. 1 No. 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 More Issue