cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Huzain
Contact Email
huzain.azis@umi.ac.id
Phone
+628114484875
Journal Mail Official
ijodas.journal@gmail.com
Editorial Address
Jln. Paccerakkang, Kel. Berua, Kec.Biringkanaya, Kota Makassar, Propinsi Sulawesi Selatan, 90241
Location
Unknown,
Unknown
INDONESIA
Indonesian Journal of Data and Science
Published by yocto brain
ISSN : -     EISSN : 27159930     DOI : -
Core Subject : Science, Education,
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics
IJODAS provides online media to publish scientific articles from research in the field of Data Science, Data Mining, Data Communication, Data Security and Data Representation
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol. 3 No. 1 (2022): Indonesian Journal of Data and Science" : 5 Documents clear
Analisis Penerapan Metode K-Nearest Neighbor (K-NN) pada Dataset Citra Penyakit Malaria Aisyah, Aisyah; Anraeni, Siska
Indonesian Journal of Data and Science Vol. 3 No. 1 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i1.22

Abstract

Malaria adalah penyakit yang disebabkan oleh parasit protozoa dari genus plasmodium yang menginfeksi sel darah merah. Penyakit malaria menjadi masalah kesehatan masyarakat yang penting, karena penyakit ini dapat menimbulkan gangguan Kesehatan dan dapat menurunkan produktivitas kerja bahkan dapat mengakibatkan kematian. Penelitian ini menggunakan sebanyak 1000 dataset citra penyakit malaria terinfeksi dan malaria tidak terinfeksi. Dataset tersebut dikelola oleh U.S National Library of Medicine College Hospital hingga tahun 2018. Tujuan dari penelitian ini untuk menganalisis performa (akurasi, presisi, recall dan f-measure) pada dataset citra penyakit malaria terinfeksi dan malaria tidak terinfeksi. Tahapan yang dilakukan yaitu: deteksi tepi canny, ekstraksi fitur hu moment invariant, klasifikasi metode K-NN, serta menggunakan berbagai simulasi rasio dataset dan nilai K=2 sampai K=10. Hasil penelitian dari simulasi rasio dataset 80:20 memperoleh nilai akurasi 84%, presisi 88%, recall 92% dan f-measure 90% dengan menggunakan nilai K=6.
Application of Big data to configuration management in a PLM context Kabuya, Joel; Tshipepele, Erick; Kasoro, Nathanael
Indonesian Journal of Data and Science Vol. 3 No. 1 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i1.31

Abstract

The emergence of information and communication technologies (ICT) in the early 1990s, particularly the Internet, made it easy to produce data and distribute it to the rest of the world. Today's business information systems contain data that is more massive, complex and heterogeneous. The increase in complexity, globalization and collaborative work mean that an industrial project (product design) requires the participation and collaboration of actors who come from several fields and workplaces. Information retrieval is an essential function for any information system. However, the latter is never easy as it always represents a major bottleneck for all organizations. In the environment of complex, heterogeneous and multi-use data, providing all users with easy and simple access to data becomes more difficult due to lack of technical skills or different user perspectives. PLM (Product Lifecycle Management) being a business strategy that aims to create, manage and share all the definition, manufacturing, maintenance and recycling information of an industrial product, throughout its life cycle. life, from preliminary studies to end of life and Big data, the collection of large data sets that are complex and difficult to analyze by traditional data processing methods. In this context, this article proposes to establish the main obstacles to the deployment of Big data in PLM systems (the collection of data from the PLM system, the storage and transfer of data in the PLM, the processing of data based on industrialization knowledge and experience, data security and visualization, etc.). The objective is to apply methodologies related to Big data to the management of product configurations (management of product diversity in connection with the development of mass customization (mass customization)).
Face Recognition Dengan Metode Haar Cascade dan Facenet Rosid, Jamal; Mantara Sakti, Dewangga; Sudoro Murti, Wahyu; Kurniasari, Ayu
Indonesian Journal of Data and Science Vol. 3 No. 1 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i1.38

Abstract

Pengenalan wajah adalah suatu metode pengenalan yang berorientasi pada wajah. Pengenalan citra wajah manusia merupakan salah satu teknologi yang berkembang pada bidang computer vision dengan penerapannya dalam sistem pengenalan biometrik, pencarian, pengindeksan pada database video digital, keamanan kontrol akses area terbatas, konferensi video, dan interaksi manusia dengan komputer. Algoritma Haar Cascade Classifier adalah salah satu algoritma yang digunakan untuk mendeteksi sebuah wajah. Algoritma Haar Cascade Classifier memiliki kelebihan yaitu perihal komputasi yang cepat karena tersebut hanya bergantung pada jumlah piksel dalam persegi dari sebuah image. Pengenalanan wajah yang diusulkan menggunakan objek wajah yang bervariasi posisinya dari hasil capture pada sebuah webcam yang terkoneksi pada sebuah komputer atau menggunakan webcam bawaan laptop.
Analisis Performa Algoritma Stochastic Gradient Descent (SGD) Dalam Mengklasifikasi Tahu Berformalin Admojo, Fadhila Tangguh; Sulistya, Yudha Islami
Indonesian Journal of Data and Science Vol. 3 No. 1 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i1.42

Abstract

Tahu berformalin adalah salah satu jenis makanan yang sering mengandung bahan-bahan kimia yang dapat mengawetkan daripada tahu tanpa formalin. Pada tahu berformalin dapat memberikan tekstur lebih kenyal dan berwarna putih bersih. Penelitian ini bertujuan untuk mengklasifikasikan tahu berformalin dan tahu tidak berformalin. Pada paper ini menggunakan algoritma Stochastic Gradient Descent atau dalam penerapannya lebih dikenal dengan SGD Classifier yang merupakan bagian dari algoritma machine learning untuk klasifikasi, regresi maupun jaringan syaraf tiruan serta algoritma ini sangat efisien pada dataset berskala besar. Penelitian ini mencoba menerapkan algoritma SGD pada dataset tahu berformalin dengan jumlah dataset yakni 11000 yang dimana 5500 data tahu berformalin dan 5500 data tahu tidak berformalin. Setelah dilakukan beberapa tahapan dalam pengujian dengan algoritma SGD maka diperolah hasil akurasi, presisi, recall, f1-score pada model yang masing-masing 82.6% untuk akurasi, 81.7% untuk presisi, 84.1% untuk recall, 83.5% untuk f1-score dan dilakukan pengujian menggunakan 10 data yang tidak termasuk dalam data latih memperoleh performansi rata-rata akurasi sebesar 70%, presisi 71%, recall 70% dan f1-score 70%.
Analisis Performa Metode Cluster K-Means pada Dataset Ocular Disease Recognition Mashur, Mulyanul Ilmi; Salim, Yulita
Indonesian Journal of Data and Science Vol. 3 No. 1 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i1.47

Abstract

Penelitian ini bertujuan untuk melakukan perbandingan menggunakan teknik cluster yang dapat mengolah data dalam jumlah besar untuk menemukan cluster baru pada dataset Ocular Disease Recognition. Pengolahan data tersebut digunakan untuk mengelompokkan penyakit pasien melalui fundus mata. Teknik Pengelompokkan menggunakan metode K-Means di mana metode ini efisien dan efektif dalam mengolah data dengan jumlah banyak. Pengukuran performa yang digunakan yaitu dengan menggunakan rand index dan mutual information based scores. Inputan yang digunakan yaitu 7 atribut dari hasil ekstraksi fitur moment invariant dataset citra fundus pasien. Data tersebut merupakan data testing yang digunakan untuk menguji performa pada metode K-Means. Berdasarkan hasil pengujian performa pada metode cluster k-means, untuk pengukuran rand index di dapatkan hasil nilai 1.0 dengan k=8 untuk cluster yang identik, kemudian untuk mutual information based scores didapatkan hasil nilai 1.0 dengan k=8 untuk cluster yang identik. Dari hasil perbandingan k=8 dan k=9 dengan dataset versi pertama dengan dataset versi kedua.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol. 6 No. 2 (2025): Indonesian Journal of Data and Science Vol. 6 No. 1 (2025): Indonesian Journal of Data and Science Vol. 5 No. 3 (2024): Indonesian Journal of Data and Science Vol. 5 No. 2 (2024): Indonesian Journal of Data and Science Vol. 5 No. 1 (2024): Indonesian Journal of Data and Science Vol. 4 No. 3 (2023): Indonesian Journal of Data and Science Vol. 4 No. 2 (2023): Indonesian Journal of Data and Science Vol. 4 No. 1 (2023): Indonesian Journal of Data and Science Vol. 3 No. 3 (2022): Indonesian Journal of Data and Science Vol. 3 No. 2 (2022): Indonesian Journal of Data and Science Vol. 3 No. 1 (2022): Indonesian Journal of Data and Science Vol. 2 No. 3 (2021): Indonesian Journal of Data and Science Vol. 2 No. 2 (2021): Indonesian Journal of Data and Science Vol. 2 No. 1 (2021): Indonesian Journal of Data and Science Vol. 1 No. 3 (2020): Indonesian Journal of Data and Science Vol. 1 No. 2 (2020): Indonesian Journal of Data and Science Vol. 1 No. 1 (2020): Indonesian Journal of Data and Science More Issue