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
Kab. ponorogo,
Jawa timur
INDONESIA
Fountain of Informatics Journal
Published by Universitas Darussalam Gontor
ISSN : 25414313     EISSN : 25485113     DOI : -
Core Subject :
Fountain of Informatics Journal (FIJ), with registered ISSN 2541-4313 (Print), ISSN 2548-5113 (Online), and DOI 10.21111/fij, is a peer-reviewed journal published semi-annual (May and November) by Universitas Darussalam Gontor. The FIJ invites manuscripts in the various topics include, but not limited to, functional areas of the information system, software engineering, computer network and game technology.
Arjuna Subject : -
Articles 7 Documents
 1 
Search results for , issue "Vol. 9 No. 2 (2024): November 2024" : 7 Documents clear
Pemanfaatan Augmented Reality Book Sebagai Media Pengenalan Ikan Gabus (Channa Fish) Menggunakan Metode Markerbased Bagaskara, Bimo
Fountain of Informatics Journal Vol. 9 No. 2 (2024): November 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Di era digital ini, kemajuan teknologi informasi, khususnya Augmented Reality (AR), telah mengubah aktivitas manusia dari manual ke digital. Fokus penelitian ini adalah ikan Gabus, jenis ikan air tawar dari Asia Tenggara. Meskipun terdapat 10 spesies, sulit bagi orang awam membedakannya. Kasus di kebun binatang Surabaya menunjukkan hanya satu jenis ikan Gabus yang ditemukan, sementara banyak jenis lainnya perlu dikenalkan dan dilestarikan. Penelitian ini menggunakan metode Multimedia Development Lifecycle (MDLC) dan teknologi AR untuk menyajikan ikan Gabus secara interaktif dan memberikan informasi lengkap. Menggunakan bantuan Unity untuk pembuatan aplikasi serta Blender untuk pembuatan objek 3 dimensi dan untuk AR menggunakan framework vuforia. Pengujian menggunakan SUS atau System Usability Scale, hasilnya pengujian System Usability Scale mendapat 31 respon dengan total semua 2495 lalu di bagi dengan banyak banyak responden yaitu 31 maka hasil skor yang di dapatkan 80,4838% berpotensi memberikan manfaat bagi masyarakat yang ingin memahami dan melestarikan ikan Gabus sebagai ikan hias dengan nilai ekologi dan estetika yang tinggi. Kata kunci: channa fish, augmented reality book, markerbased, unity, vuforia, blender   Abstract [Utilization Of Augmented Reality Books as A Medium for Introducing Snakehead Fish (Channa Fish) Using Marker-Based Method] In this digital era, the advancement of information technology, particularly Augmented Reality (AR), has transformed human activities from manual to digital. The focus of this research is on Snakehead fish, a freshwater fish species from Southeast Asia. Despite the existence of 10 species, it is challenging for the general public to distinguish them. A case in Surabaya Zoo indicates that only one species of Snakehead fish was found, while many other species need to be introduced and preserved. This research employs the Multimedia Development Lifecycle (MDLC) method and AR technology to present Snakehead fish interactively and provide comprehensive information. Unity is used for application development, Blender for creating 3D objects, and Vuforia framework for AR implementation. Testing is conducted using the System Usability Scale (SUS), with 31 responses totaling 2495, divided by the number of respondents (31), resulting in a score of 80.4838%. This has the potential to benefit the community interested in understanding and conserving Snakehead fish as ornamental fish with high ecological and aesthetic value. Keywords: channa fish, augmented reality books, markerbased, unity, vuforia, blender
Sistem Informasi Inventori Untuk Kontrol Persediaan Barang Pada Gudang TST Fresh Carrot Berastagi Sembiring, Frengky Samuel
Fountain of Informatics Journal Vol. 9 No. 2 (2024): November 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Sistem informasi inventori telah menjadi bagian pentingdari Perusahaan yang memiliki gudang. Keberadaan dari sebuah sistem informasi inventori dalam sebuah Perusahaan yang memiliki gudang akan sangat membantu Perusahaan tersebut dalam memproses data stok dari gudang. Pada penelitian penulis akan berkolaborasi dengan Perusahaan TST Fresh Carrot Berastagi yang mana saat ini membutuhkan sistem informasi inventori untuk memonitor stok barang yang mereka miliki didalam gudang. Tujuan dari kolaborasi ini adalah penulis membantu membuatkan sistem informasi inventori pada parusahaan TST Fresh Carrot Berastagi, karena saat untuk saat ini Perusahaan ini tidak memiliki sistem informasi inventori untuk melakukan monitor pada stok mereka. Sistem informasi inventori dibangun menggunakan framework Laravel dan MySQL sebagai database. Untuk mengembangkan sistem informasi inventori penulis menggunakan metode waterfall yang cukup sederhana dari pada metode pengembangan lainnya dikarenakan semua pengerjaannya dilakukan secara berurutan. Sistem informasi inventori diuji menggunakan metode blackbox, selanjutnya sistem akan diuji kegunaannya dengan memberikan beberapa pertanyaan kepada pengguna untuk menilai sejauh mana sistem informasi inventori membantu pekerjaan mereka. Kata kunci: Sistem Informasi Inventori, Stok Barang, Laravel, MySQL, Blackbox   Abstract [Inventory Information System for Inventory Control TST Fresh Carrot Berastagi Warehouse] the inventory system has become a very important part of company who has some warehouse. The existence of an inventory system in a company who has a warehouse will greatly help the company in processing stock data from warehouse. In this research the author will collaborate with TST Fresh Carrot Berastagi company which is needed inventory system to monitor their stock on the warehouse. The purpose of this collaboration is that the author helps make an inventory system on TST Fresh Carrot Berastagi, because currently this company does not have an inventory system to monitor their stock. The inventory system is built using Laravel framework and MySQL database. To develop the inventory system author using waterfall method which is simpler than the other method causes all of the work will be done in sequence. The inventory system will be tested using blackbox method, and after that the system will be tested for the usability by giving few questions to the users to give some values how far does the system information helps their works. Keywords: Inventory System, Stock, Laravel, MySQL, Blackbox.
Desain Aplikasi Pembelajaran Perangkat Jaringan Berbasis Augmented Reality Dengan Gamification Model Canvas Jaya, Tri Ika Jaya Kusumawati
Fountain of Informatics Journal Vol. 9 No. 2 (2024): November 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Peranan materi pembelajaran dan cara penyajian materi pembelajaran dituntut untuk dapat menyesuaikan segala lini teknologi informasi. AR hadir sebagai jembatan pengetahuan virtual terhadap objek asli materi pembelajaran dapat lebih interaktif dengan disajikan menggunakan visualisasi nyata. Serious game dan taksonomi bloom merupakan salah satu bentuk evaluasi pemahaman peserta didik terhadap sajian materi pembelajaran. Materi pembelajaran pengenalan perangkat jaringan komputer merupakan materi pembelajaran umum yang sangat dibutuhkan pada zaman ini baik pelajar menengah, perguruan tinggi maupun masyarakat umum. Hal ini dikarenakan segala informasi yang beredar melalui media digital, sehingga pengetahuan jaringan komputer adalah penting. Namun masalah yang dihadapi adalah model penyampaian materi pengenalan perangkat dan jaringan komputer masih terbatas pada modul atau buku ajar tekstual, pemahaman serta keterampilan terbatas pada praktik secara langsung, permasalahan perkembangan teknologi pembelajaran berbasis learning dan penggunaan aplikasi mobile. Oleh karena itu dibutuhkan sebuah model materi pengenalan perangkat jaringan komputer menggunakan taksonomi bloom berbasis augmented realit. Dengan tujuan agar tercipta sebuah model materi pembelajaran interaktif yang tidak terbatas, aktual, mengasah keterampilan dan kemampuan melalui AR, serta disajikan dalam bentuk seperti asli berbasis augmented reality. Hasil model yang dibuat diharapkan mampu menjadi solusi pendidikan diera industri 4.0, dan dapat diterapkan mulai dari tingkat menengah maupun tingkat perguruan tinggi serta masyarakat umum. Selanjutnya, penelitian dilakukan melalui beberapa tahapan yaitu: (1) Studi literature serious game, augmented reality, serta perangkat jaringan komputer. (2) Studi kebutuhan pembelajaran perangkat jaringan komputer dengan menggunakan GMC (Gamification Model Canvas). (3) Pemodelan alur pembelajaran, konten materi, berdasarkan silabus. (4) Membuat rancangan aset 2D dan 3D sebagai landasan pembuatan materi pembelajaran. (5) Membuat rancangan proses pembelajaran yang menerapkan aplikasi serta modul. Hasil penelitian ini adalah prototype materi pembelajaran interaktif yang mampu memfisualisasikan bentuk nyata perangkat dan mempelajarinya tanpa harus memiliki atau menyentuh bentuk aslinya. Kata kunci: serious game, AR, taksonomi bloom, GMC, perangkat jaringan komputer   Abstract [Augmented Reality Based Network Device Learning Application Design with Gamification Model Canvas] The role of learning materials and the way of presenting learning materials are required to be able to adapt all lines of information technology. AR is present as a bridge of virtual knowledge of original objects, learning materials can be more interactive by being presented using real visualizations. Serious game and bloom taxonomy are a form of evaluating students' understanding of the presentation of learning material. Learning material for the introduction of computer network devices is general learning material that is very much needed at this time, both for middle students, universities and the general public. This is because all the information circulating through digital media, so knowledge of computer networks is important. However, the problems encountered are that the delivery model for introducing device introduction material and computer networks is still limited to textual modules or textbooks, understanding and skills are limited to hands-on practice, problems with the development of learning-based learning technology and the use of mobile applications. Therefore we need a material model for introducing computer network devices using augmented reality-based bloom taxonomy. With the aim of creating an interactive learning material model that is unlimited, actual, hones skills and abilities through AR, and is presented in an original form based on augmented reality. The results of the model created are expected to be an educational solution in the industrial era 4.0, and can be applied starting from the secondary level and the tertiary level as well as the general public. Furthermore, the research was carried out through several stages, namely: (1) Literature study of serious games, augmented reality, and computer network devices. (2) Study of the learning needs of computer network devices using GMC (Gamification Model Canvas). (3) Modeling learning flow, material content, based on the syllabus. (4) Designing 2D and 3D assets as the basis for making learning materials. (5) Designing a learning process that applies applications and modules. The results of this study are prototypes of interactive learning materials that are able to visualize the real form of the device and study it without having to own or touch the original form. Keywords: serious game, AR, bloom taxonomy, GMC, computer network device
Water Quality Identification Using Ensemble Machine Learning and Hybrid Resampling SMOTE-ENN Algorithm Pratama, Moch Deny; Abdillah, Rifqi; Haq, Dina Zatusiva
Fountain of Informatics Journal Vol. 9 No. 2 (2024): November 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract Water is essential for all living organisms, yet only a small fraction is fresh and suitable for consumption. The limited availability of freshwater sources, worsened by pollution, overuse, and climate change, underscores the urgent need for sustainable water management. Traditional water quality identification methods are labour-intensive, slow, and costly. Water quality identification often struggles with data quality, imbalanced datasets, and model interpretability. These challenges lead to inaccuracies, especially in detecting minority classes, which is crucial for identifying pollution. This research explores machine learning (ML) techniques to address the limitations of water quality classification by integrating ensemble learning using LightGBM and hybrid Resampling using SMOTE-ENN. Ensemble learning techniques improve accuracy and robustness by aggregating the strengths of multiple models, effectively handling imbalanced data and reducing overfitting. Hybrid Resampling techniques enhance model sensitivity by generating synthetic minority-class samples and refining datasets through noise reduction. Together, these integrations provide a more reliable framework for water quality identification, enabling timely and accurate. This innovative method offers a robust solution for addressing data imbalance and overfitting, ensuring more effective detection of polluted conditions. This study highlights the importance of advanced ML techniques in improving water quality tasks and underscores LightGBM's effectiveness in handling imbalanced data post-SMOTE-ENN application. This method is known for its superior performance, achieving the highest performance evaluation metrics in water quality classification with accuracy, F1-Score, and increasing the recall value by 3% with values ​​of 94.50%, 94.76% and 93.00%, respectively. Keywords: Water Quality, Machine Learning, Imbalanced Data, LightGBM, SMOTE-ENN, Ensemble Learning, Hybrid Resampling.   Abstrak Air sangat penting bagi semua organisme hidup, namun hanya sebagian kecil yang segar dan layak untuk dikonsumsi. Terbatasnya ketersediaan sumber air bersih, yang diperburuk oleh polusi, penggunaan berlebihan, dan perubahan iklim, menggarisbawahi kebutuhan mendesak akan pengelolaan air berkelanjutan. Metode identifikasi kualitas air tradisional memerlukan banyak tenaga kerja, lambat, dan mahal. Identifikasi kualitas air sering kali bermasalah dengan kualitas data, kumpulan data yang tidak seimbang, dan kemampuan interpretasi model. Tantangan-tantangan ini menyebabkan ketidakakuratan, terutama dalam mendeteksi kelompok minoritas, yang sangat penting dalam mengidentifikasi polusi. Penelitian ini mengeksplorasi teknik pembelajaran mesin (ML) untuk mengatasi keterbatasan klasifikasi kualitas air dengan mengintegrasikan pembelajaran ensembel menggunakan LightGBM dan pengambilan sampel hybrid menggunakan SMOTE-ENN. Teknik pembelajaran ensemble meningkatkan akurasi dan ketahanan dengan menggabungkan kekuatan beberapa model, menangani data yang tidak seimbang secara efektif, dan mengurangi overfitting. Teknik pengambilan sampel hibrid meningkatkan sensitivitas model dengan menghasilkan sampel kelas minoritas sintetik dan menyempurnakan kumpulan data melalui pengurangan noise. Bersama-sama, integrasi ini memberikan kerangka kerja yang lebih andal untuk identifikasi kualitas air, sehingga memungkinkan dilakukannya identifikasi secara tepat waktu dan akurat. Metode inovatif ini menawarkan solusi yang kuat untuk mengatasi ketidakseimbangan dan overfitting data, sehingga memastikan deteksi kondisi tercemar dengan lebih efektif. Studi ini menyoroti pentingnya teknik ML tingkat lanjut dalam meningkatkan tugas kualitas air dan menggarisbawahi efektivitas LightGBM dalam menangani data yang tidak seimbang pasca penerapan SMOTE-ENN. Metode ini dikenal dengan kinerjanya yang unggul, mencapai metrik evaluasi kinerja tertinggi dalam klasifikasi kualitas air dengan akurasi, F1-Score, dan meningkatkan nilai recall sebesar 3% dengan nilai masing-masing 94,50%, 94,76% dan 93,00%. Kata kunci: Kualitas Air, Pembelajaran Mesin, Data Ketidakseimbangan, LightGBM, SMOTE-ENN, Pembelajaran Ensemble, Pengambilan Sampel Hibrid.
Desain Prototype User Interface Konsultasi Virtual Beauty Care Sebagai Strategi Penerapan Customer Relationship Management Magdalena, Hilyah; Septryanti, Ade; Pratama, Anggy Firzah
Fountain of Informatics Journal Vol. 9 No. 2 (2024): November 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Pengembangan sistem pada toko kosmetik FRESHSKIN BEAUTYCARE pada bagian konsultasi untuk meningkatkan loyalitas pelanggan. Sistem konsultasi yang awalnya yang berlangsung hanya melalui obrolan di media sosial. Sistem konsultasi saat ini belum dapat di data dengan akurat dan belum menunjukkan tingkat kepuasan pelanggan. Sistem konsultasi kemudian kemudian dikembangkan dengan sistem web yang dirancang dengan metode Rapid Application Developoment (RAD) dengan format rancangan User Interface (UI). Prototype yang dhasilkan mampu menyediakan kemudahahan pelanggan untuk mendapatkan konsultasi kecantikan secara virtual sebagai strategi customer relationship management. Mekanisme layanan konsultasi virtual ini diberikan kepada pelanggan yang telah berbelanja produk skincare. Pelanggan dapat memilih jadwal konsultasi dan mendapat layanan konsultasi virtual yang diberikan oleh beauty advisor dari brand skincare yang bekerja sama dengan toko FRESHSKIN BEAUTYCARE. Hasil konsultasi dapat direkam dan pelanggan dapat memberikan testimoni dan rating atas pelayanan konsultasi. Pengalaman mendapatkan layanan konsultasi virtual ini bertujuan untuk meningkatkan interaksi dengan pelanggan dan lebih jauh akan mendorong pelanggan untuk kembali bertransaksi. Sistem layanan konsultasi virtual ini juga memudahkan pemilik untuk melihat produk apa yang paling laku terjual secara aktual. Kata kunci: desain prototipe, antar muka, konsultasi virtual, manajemen relasi konsumen   Abstract [User Interface Prototype Design Virtual Beauty Care Consultation As A Strategy For Implementing Customer Relationship Management] System Development at the FRESHSKIN BEAUTYCARE cosmetic store in the consultation section to increase customer loyalty. The initial consultation system only took place via chat on social media. The current consultation system cannot provide accurate data and does not yet show the level of customer satisfaction. The consultation system was then developed using a web system designed using the Rapid Application Development (RAD) method with a User Interface (UI) design format. The resulting prototype can make it easy for customers to get virtual beauty consultations as a customer relationship management strategy. This virtual consultation service is provided to customers who shop for skincare products. Customers can choose a consultation schedule and receive virtual consultation services provided by beauty advisors from skincare brands that collaborate with FRESHSKIN BEAUTYCARE stores. Consultation results can be recorded and customers can provide testimonials and ratings on consultation services. The experience of getting virtual consultation services aims to increase customer interaction and will further encourage customers to return to transactions. This virtual consulting service system also makes it easier for owners to see what products are selling best. Keywords: prototype design, user interface, virtual consultation, customer relationship management
Perbandingan Akurasi Algoritma Naïve Bayes Dan Support Vector Machine Dalam Analisis Sentimen Pengguna Twitter Terhadap Aplikasi Sirekap Kurniawan, Gabriel Natalianus Viko; Rachamlia Feta, Neneng
Fountain of Informatics Journal Vol. 9 No. 2 (2024): November 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Dalam Pemilu tahun 2024, Aplikasi Sirekap memegang peran penting sebagai platform yang bertanggung jawab atas rekapitulasi dan publikasi hasil penghitungan suara, serta berkontribusi besar dalam menjaga transparansi dan akuntabilitas proses pemilu. Meskipun perannya sangat vital, aplikasi ini masih menghadapi sejumlah tantangan, salah satunya terkait dengan verifikasi data. Masalah verifikasi ini menyebabkan penumpukan data yang berujung pada penutupan sementara diagram hasil pemilihan oleh KPU. Kondisi ini memicu berbagai respons dan opini dari masyarakat, terutama terkait keandalan aplikasi. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap kinerja Aplikasi Sirekap serta membandingkan performa dua algoritma, yaitu Naive Bayes dan Support Vector Machine (SVM), dalam analisis sentimen. Berdasarkan hasil penelitian, terungkap bahwa algoritma SVM dengan Kernel RBF menunjukkan akurasi yang lebih tinggi, mencapai 84,15%, dibandingkan dengan Multinomial Naive Bayes yang hanya mencapai 77,64%. Hal ini menggarisbawahi keunggulan SVM dalam analisis sentimen. Di samping itu, penelitian ini menekankan pentingnya optimalisasi fitur dalam Aplikasi Sirekap untuk meningkatkan efektivitas, memastikan kinerja yang lebih baik, dan meraih respons yang lebih positif dari masyarakat. Kata kunci: Aplikasi Sirekap, Pemilu, Analisis Sentimen, Naïve Bayes, Support Vector Machine (SVM)   Abstract [Comparison Of The Accuracy Of The Naïve Bayes Algorithm And Support Vector Machine In Analyzing Twitter User Sentiment Towards The Sirekap Application] In the 2024 General Election, the Sirekap App plays an important role as the platform responsible for the recapitulation and publication of vote count results, and contributes greatly to maintaining transparency and accountability of the electoral process. Despite its vital role, the app still faces a number of challenges, one of which is related to data verification. This verification issue caused a buildup of data that led to the temporary closure of the election results diagram by the KPU. This condition triggered various responses and opinions from the public, especially regarding the reliability of the application. This study aims to analyze user sentiment towards the performance of Sirekap Application and compare the performance of two algorithms, namely Naive Bayes and Support Vector Machine (SVM), in sentiment analysis. Based on the results, it was revealed that the SVM algorithm with RBF Kernel showed higher accuracy, reaching 84.15%, compared to Multinomial Naive Bayes which only reached 77.64%. This underscores the superiority of SVM in sentiment analysis. In addition, this research emphasizes the importance of feature optimization in Sirekap App to increase effectiveness, ensure better performance, and gain more positive responses from the community. Keywords: Sirekap App, Election, Sentiment Analysis, Naïve Bayes, Support Vector Machine (SVM)
Sistem Pakar Diagnosis Penyakit Mata Menggunakan Metode Dempster-Shafer FEBIANA, DELLA JANNATA
Fountain of Informatics Journal Vol. 9 No. 2 (2024): November 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Salah satu panca indra yang sangat penting bagi kehidupan manusia adalah mata. Gangguan yang terjadi pada mata dapat berdampak serius terhadap kualitas hidup seseorang. Beberapa gangguan atau penyakit mata yaitu katarak, glaukoma, dan retina disease. Indonesia menempati urutan ketiga di dunia jumlah penderita kebutaan terbanyak. Selain itu, banyak orang sering kali meremehkan gejala-gejala awal penyakit mata dan tidak melakukan pemeriksaan sejak dini. Hal ini dapat berakibat fatal seperti kebutaan. 51% kasus kebutaan di seluruh dunia disebabkan oleh katarak. Tak hanya itu, pelayanan kesehatan di Indonesia merupakan hal yang masih perlu ditingkatkan. Umumnya rumah sakit di Indonesia tidak menyediakan tenaga ahli kesehatan yang cukup dibandingkan dengan jumlah penduduk yang tinggi sehingga terdapat antrian panjang. Penelitian ini mengembangkan sistem pakar diagnosis penyakit mata menggunakan metode Dempster-Shafer. Metode ini menghitung kemungkinan dari suatu penyakit berdasarkan nilai belief dan plausibility dari setiap gejala dengan validasi oleh dokter spesialis mata. Penelitian ini dilakukan terhadap 20 studi kasus dengan 16 jenis penyakit dan 43 gejala. Hasil menunjukkan bahwa sistem pakar diagnosis penyakit mata dengan metode Dempster-Shafer memiliki nilai akurasi sebesar 90%. Kata kunci: Sistem Pakar, Dempster-Shafer, Penyakit Mata   Abstract [Expert System for Eye Disease Diagnosis Using the Dempster-Shafer Method] One of the senses that is crucial for human life is vision. Disorders affecting the eyes can have serious impacts on a person's quality of life. Some eye disorders or diseases include cataracts, glaucoma, and retinal disease. Indonesia ranks third in the world for the highest number of people with blindness. In addition, many people often underestimate the early symptoms of eye diseases and do not undergo early examination. This can result in severe consequences, such as blindness. Cataracts cause 51% of blindness cases worldwide. Generally, hospitals in Indonesia do not provide enough health experts compared to the high population, so there are long queues. This research develops an expert system for diagnosing eye diseases using the Dempster-Shafer method. This method calculates the probability of a disease based on the belief and plausibility values of each symptom, with validation by ophthalmologists. The study was conducted on 20 case studies with 16 types of diseases and 43 symptoms. The results show that the expert system for diagnosing eye diseases using the Dempster-Shafer method has an accuracy rate of 90%. Keywords: Expert Systems, Dempster-Shafer, Eye Diseases

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 10 No. 1 (2025): Mei Vol. 9 No. 2 (2024): November 2024 Vol. 9 No. 1 (2024): Mei 2024 Vol. 8 No. 2 (2023): November Vol. 8 No. 1 (2023): Mei Vol 7, No 2 (2022): November 2022 Vol. 7 No. 3 (2022): Specials Issue Desember - Seminar Nasional Sains dan Teknologi Vol. 7 No. 2 (2022): November Vol 7, No 1 (2022): Mei Vol. 6 No. 2 (2021): November Vol 6, No 2 (2021): November Vol 6, No 1 (2021): Mei Vol 5, No 3 (2020): Specials Issue November - Seminar Nasional Sains dan Teknologi Vol 5, No 2 (2020): November Vol 5, No 1 (2020): Mei Vol 4, No 2 (2019): November Vol 4, No 1 (2019): Mei Vol 3, No 2 (2018): November Vol 3, No 1 (2018): Mei Vol 2, No 2 (2017): November Vol 2, No 1 (2017): Mei Vol 1, No 2 (2016): November More Issue