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 135 Documents
 1   2   3   4   5 
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.
Analisis performa metode Support Vector Machine untuk klasifikasi dataset aroma tahu berformalin Saiman, La; Satra, Ramdan
Indonesian Journal of Data and Science Vol. 2 No. 2 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v2i2.28

Abstract

Bermunculan adanya kasus penyalahgunaan formalin sebagai bahan pengawet untuk tahu dan ketersediaan cara deteksi kandungan formalin yang tergolong tidak praktis dan membutuhkan tenaga ahli khusus, Penelitian ini bertujuan untuk melakukan analisis performa suatu metode. Pengolahan data tersebut digunakan untuk memprediksi terdapatnya kandungan formalin pada tahu melalui aroma yang dikeluarkan. Teknik klasifikasi yang digunakan yaitu dengan menggunakan pengukuran performa (Accuracy, Precision, Recall, dan F-Measure) menggunakan Metode Support Vector Machine. Inputan yang digunakan yaitu atribut data aroma tahu berformalin, dan tidak berformalin. Hasil penelitian ini menunjukkan metode SVM mempunyai kinerja yang cukup baik. Berdasarkan hasil pengujian menggunakan confusion matrix didapatkan hasil uji performa Metode SVM accuracy 67%, precision 69%, recall 67%, dan f-measure 66% dengan Nilai K=5.
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)).
Klasifikasi Sampah di Saluran Air Menggunakan Algortima CNN Kartiko; Prima Yudha, Abi; Dimas Aryanto, Nanda; Arya Farabi, Mahatamtama
Indonesian Journal of Data and Science Vol. 3 No. 2 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i2.33

Abstract

Tingginya populasi manusia turut menyumbangkan peningkatan jumlah sampah, sehingga dibutuhkan sebuah sistem yang membantu manusia mengklasifikasikan sampah. Perkembangan teknologi yang dirasakan hampir di semua aspek kehidupan termasuk pada pengembangan lingkungan. Dengan teknologi yang ada diharapkan bisa membantu meringankan tugas manusia dan meningkatkan efektifitas penggunaan waktu. Convolutional Neural Network (CNN) merupakan sebuah sistem pengolahan objek dengan pengenalan citra. Dan dengan menggunakan teknik CNN atau Convolutional Neural Network yang banyak digunakan untuk mengenali suatu objek dan diharapkan dapat mempermudah kerja manusia serta menghemat waktu yang digunakan.
Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network Pradana, David; Luthfi Alghifari, Muhammad; Farhan Juna, Muhammad; Palaguna, Dwisiwi
Indonesian Journal of Data and Science Vol. 3 No. 2 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i2.35

Abstract

Secara global, penyebab kematian nomor satu setiap tahunnya adalah penyakit jantung. Penyakit jantung adalah sebuah kondisi yang menyebabkan jantung tidak dapat melaksanakan tugasnya dengan baik. Artificial Neural Network (ANN) merupakan model penalaran yang didasarkan pada otak manusia. Penelitian ini mencakup pengukuran performa (akurasi, presisi, recall dan f-score) metode ANN dengan 304 data pasien penyakit jantung yang diperoleh dari pusat dataset Kaggle. Hasil dari pengukuran performa diperoleh nilai akurasi 73,77%, presisi 80,43%, recall 84,09% dan f1-score sebesar 82,22%
Chatbot Interaksi Rumah Sakit menggunakan FFNN Mahardhika Chandra; Rizki Pratama; Fathan Azka Pradana; Alvita Bonita
Indonesian Journal of Data and Science Vol. 2 No. 2 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i1.36

Abstract

Perkembangan teknologi informasi yang pesat belakangan ini telah memasuki hampir semua kehidupan, hal ini ditandai dengan banyaknya pengguna komputer, baik untuk kepentingan perusahaan atau bisnis hingga hal-hal yang bersifat, hiburan, pendidikan, dan kesehatan. Permintaan layanan informasi dilakukan dalam jumlah yang banyak tentu akan menjadi sebuah masalah.maka banyak diterapkan bantuan asisten virtual atau biasa disebut dengan chatbot. Chatbot merupakan aplikasi asisten virtual yang mampu melakukan interaksi secara langsung kepada setiap pesan yang masuk tanpa perlu menunggu operator untuk membalas pesan-pesan tersebut, sehingga chatbot merupakan solusi yang dinilai efektif untuk menangani permasalahan.Dan Dengan menggunakan teknik FNN atau Feed forward neural network yang banyak digunakan untuk pemodelan data respon yang bersifat kategori dan dipengaruhi oleh jumlah unit neuron pada hidden layer, yang memungkinkan error yang di dapat lebih kecil.
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.
Aplikasi Pencarian Sukarelawan Donor Darah Berbasis Android Muh. Yamin Al Qadri
Indonesian Journal of Data and Science Vol. 2 No. 3 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v2i3.40

Abstract

PMI merupakan organisasi yang bertugas untuk mengumpulkan kantung darah yang kemudian disimpan di Bank darah PMI. Kejadian kehabisan stok darah di sebuah bank darah seringkali terjadi sehingga menyulitkan bagi para pasien yang ingin membutuhkan darah dan memungkinkan untuk mencari sukarelawan donor darah. Proses pencarian sukarelawan donor darah masih dalam bentuk informasi berupa pesan disebarkan melalui grup chatting dan media sosial lainnya. Sehingga tak jarang pembaca informasi tidak mengetahui status pencarian telah ditemukan ataupun belum ditemukan. Oleh karenanya diperlukan suatu sistem yang memanfaatkan fungsi pencarian dengan menggunakan metode Location Based Service (LBS) untuk menentukan lokasi terdekat antara posisi pencari sukarelawan dengan sukarelawan donor darah dengan menampilkan posisi secara geografis keberadaan perangkat. Penerapan metode LBS menggunakan perhitungan Haversine yang menampilkan jarak lurus sehingga pencari dapat memperoleh data sukarelawan yang jaraknya dekat dan berada pada radius 20 km dan mengurutkan lokasi sukarelawan terdekat. Tersedia pula fitur konfirmasi permintaan donor darah sehingga pencari dapat mengetahui jumlah sukarelawan yang bersedia melakukan donor darah.
Analisis perbandingan Reduction Technique dengan metode Dimentional Reduction dan Cross Validation pada dataset Breast Cancer Sulistya, Yudha Islami; Danuputri, Chyquitha
Indonesian Journal of Data and Science Vol. 3 No. 2 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i2.41

Abstract

Machine learning (ML) merupakan bidang ilmu yang memungkinkan komputer dalam mengembangkan sebuah sistem yang dapat belajar dari data. Dalam ML sendiri banyak teknik sangat berperan penting dalam pengembangan machine ML salah satunya adalah teknik reduksi yang dimana membuat sistem lebih baik dari data yang telah di reduksi. Penelitian ini bertujuan membandingkan performa teknik reduksi dengan metode dimentional reduction dan cross validation pada dataset breast cancer. Dimentional reduction merupakan teknik yang menyederhanakan feature atau mengurangi dimensi pada dataset sedangkan cross validation merupakan metode yang digunakan untuk memaksimalkan hasil dari prediksi pada suatu model. Setalah melakukan tahapan-tahapn dalam pengujian dengan dimentional reduction dan cross validation menggunakan algoritma K-Nearest Neighbors dengan dataset breast cancer berjumlah 500. Hasil yang diperolah untuk dimentional reduction akurasi rata-rata pada model 95.2%, sedangkan pada cross validation 96.6%.
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%.

Page 3 of 14 | Total Record : 135

 1   2   3   4   5 

Filter by Year

2020 2025


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