Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Data Sciences Indonesia (DSI)

dsi
Website

Published by Information Technology and Science

ISSN : - EISSN : 28090721 DOI : 10.47709

Core Subject : Science, Education,

Computer Science & IT Education Physics

Data Sciences Indonesia (DSI) adalah jurnal yang memuat hasil penelitian atau kajian ilmu di bidang Ilmu komputer dengan mengambil ranah Data Sciende dan pendukung keilmuan tersebut. Data Sciences Indonesia (DSI) terbit setiap dua kali dalam setahun, yaitu pada bulan Juni dan Desember. Data Sciences Indonesia (DSI) mempublikasikan karya ilmiah terbaik berdasarkan yang berfokus pada penerbitan makalah berkualitas. Artikel yang diserahkan akan ditinjau oleh komite teknis Jurnal. Semua artikel yang dikirimkan harus berupa laporan asli, memiliki nilai kebaruan atau hasil kegiatan yang telah dilakukan sebelumnya, eksperimental atau teoritis, dan akan diulas oleh mitra bestari. Artikel yang dikirim ke jurnal Data Sciences Indonesia (DSI) tidak boleh dipublikasikan di tempat lain. Naskah harus mengikuti pedoman penulis yang disediakan oleh Data Sciences Indonesia (DSI) dan harus ditinjau dan disunting. DSI diterbitkan oleh Information Technology and Science (ITScience), sebuah Lembaga Penelitian di Medan, Sumatera Utara, Indonesia. Aims and Scope Data Science & Analysis Big Data Analytics Business Analysis Business Analytics Business Forecasting Marketing Analytics Business For Decision Making Business Intelligence and Analytics Natural Language Processing Natural Language Analytics Search-Driven Analytics Computational Linguistics Social Media Analysis Data Mining and Data Analytics Data Clustering and Classifications Data Analysis Data Analyticts Data Visualization Information Science Tools and Applications in Data Science Computer Vison Deep Learning Machine Learning

Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan

Articles 123 Documents

1 2 3 4 5

Model Prediksi Prestasi Mahasiswa Berdasarkan Evaluasi Pembelajaran Menggunakan Pendekatan Data Science Tommy Tommy; Amir Mahmud Husein
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : ITScience (Information Technology and Science)

Perguruan tinggi merupakan satuan penyelenggara pendidikan tinggi sebagai tingkat lanjut jenjang pendidikan menengah di jalur pendidikan formal. Aspek prestasi belajar merupakan salah satu aspek penilaian keberhasilan perguruan tinggi dalam proses belajar. Dalam makalah ini menyajikan hasil analisis hubungan antara pembelajaran dengan prestasi mahasiswa dimana tahapan yang dilakukan menggunakan pendetakan data science. Berdasarkan Analisis data terdapat tiga indikator penting dalam penilaian prestasi belajar yaitu pedagogi, profesional dan kepribadian. Ketiga fitur digunakan sebagai variabel dependen untuk memprediksi prestasi belajar dimana algoritma DecisionTree menghasilkan akurasi lebih baik dari pada model k-nearest neighbors (KNN), Logistic Regression, Support Vector Machine, Naive Bayes dan dengan tingkat akurasi 68%, kemudian KNN dengan akurasi 66% dan lainnya sebesar 55% pada masing-masing algoritma yang diusulkan.

Pendekatan Data Science untuk Menemukan Churn Pelanggan pada Sector Perbankan dengan Machine Learning Amir Mahmud Husein; Mawaddah Harahap; Peter Fernandito
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : ITScience (Information Technology and Science)

Peralihan pelanggan merupakan fenomena dimana pelanggan perusahaan berhenti membeli atau berinteraksi sehingga sangat penting bagi perusahaan khususnya perbankan untuk memprediksi kemungkinan churn pelanggan dan hasilnya dapat digunakan untuk membantu retensi pelanggan dan bagian dari strategi perusahaan. Makalah ini menyajikan analisis dan prediksi churn pelanggan dengan menggunakan lima model berbeda yaitu Kneighbors Classifier, Logistic Regression, Linear SVC, Random Tree Classifier dan Random Forest Classifier. Berdasarkan hasil pengujian pendekatan model Random Forest Classifier dan Kneighbors Classifier lebih baik dari pada model lain dengan akurasi sebesar 86% dan 84%. Rekayasa fitur dengan pendekatan Anova dan Chi Square memiliki pengaruh yang signifikan terhadap peningkatan kinerja model prediksi.

Analisis Wawasan Penjualan Supermarket dengan Data Science Mawaddah Harahap; Fachrul Rozi; Yennimar Yennimar; Saut Dohot Siregar
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : ITScience (Information Technology and Science)

Data science atau ilmu data adalah suatu disiplin ilmu yang khusus mempelajari data, khususnya data kuantitatif (data numerik), baik yang terstruktur maupun tidak terstruktur. Pemanfaatkan siklus dalam pengembangan analisis untuk membuat keputusan bisnis yang praktis dan berbasis data, dan menerapkan perubahan berdasarkan keputusan tersebut. Makalah ini menyajikan analisis wawasan yang berguna pada kumpulan transaksi penjualan supermarket selama 3 bulan dari 3 cabang yang berbeda. Berdasarkan hasil analisis nilai rating terting adalah 10, terendah 4 dengan rata-rata rating produk 6.9 dan wanita lebih dominan membeli produk Aksesoris Fashion dan pria Kesehatan & Kecantikan

Data Science bidang Pemasaran : Analisis Prilaku Pelanggan Mawaddah Harahap; Yusniar Lubis; Zakarias Situmorang
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : ITScience (Information Technology and Science)

Dalam kegiatan pemasaran digital, data Science (DS) memiliki peran penting dalam memahami kinerja industri pemasaran sebelum menerapkan teknik pemasaran digital pada pemasaran produk. Hal ini dikarenakan setiap pelanggan merespons secara berbeda setiap penawaran. Perilaku pelanggan juga berubah berdasarkan waktu karena mereka mungkin memiliki kebutuhan yang berbeda pada situasi yang berbeda. Pada makalah ini fokus menyajikan analisis bisnis dengan penerapan DS untuk mengeksplorasi pola perilaku dan juga memprediksi bagaimana pelanggan akan merespons penawaran yang berbeda. Penerapan analisis data eksplorasi juga diterapkan untuk menjawab beberapa pertanyaan bisnis, dari hasil pengamatan menghasilkan lima kelompok pelanggan yang disajikan dalam bentuk visualisasi dan model Random Forest Classifier memiliki skor akurasi prediksi terbaik sebesar 91%, kemudian K neighbors Classifier dan Logistic Regression.

Analisis Prediktif untuk Keputusan Bisnis : Peramalan Penjualan Amir Mahmud Husein; Fachrul Rozi Lubis; Muhammad Khoiruddin Harahap
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : ITScience (Information Technology and Science)

Peramalan penjualan produk adalah aspek utama dari manajemen pembelian, persediaan yang melebihi permintaan atau kekurangan akan berdampak pada manajemen pelayanan maupun secara ekominis. Makalah ini fokus mencoba menyajikan penerapan analisis prediktif dengan mengadopsi kerangka kerja Data Science (ilmu data) untuk menemukan wawasan yang berguna dalam pengambilan keputusan bisnis khususnya tentang peramalan penjualan produk di masa depan. Kerangka CRISP-DM diusulkan dengan tahapan pemahasan bisnis, pemahaman dan persiapan data, exploratory data analysis (EDA) dan pemodelan. Berdasarkan hasil pengujian data penjualan yang dievaluasi berdasarkan RMSE dan MAE, algoritma XGBoost menghasilkan prediksi berada dalam 1,3% kemudian ARIMA sebesar 1.6%, masih lebih baik dibandingkan LinearRegression, RandomForestdan LSTM dengan tingkat kesalahan sebesar 1.81%, 1.97%, 2.21% pada masing-masing algoritma dari data aktual.

Analisis dan Prediksi Data Penjualan Menggunakan Machine Learning dengan Pendekatan Ilmu Data Ferdy Riza
Data Sciences Indonesia (DSI) Vol. 1 No. 2 (2021): Article Research Volume 1 Number 2, Desember 2021
Publisher : ITScience (Information Technology and Science)

Pendekatan Data Science (ilmu data) memberi peluang besar untuk menggunakan data history dan mengubahnya menjadi wawasan yang berguna untuk membangun model prediksi penjualan masa depan. akan tetapi, model prediksi membutuhkan analisis data tertentu untuk menghasilkan model yang kuat, termasuk jumlah pelanggan, jumlah pelanggan yang hilang, tingkat penjualan rata-rata serta kecenderungan musiman. Makalah ini menganalisis data penjualan menggunakan kerangka kerja ilmu data dengan desain sesuai prinsip CRIS-DM yang terdiri dari tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Pemodelan digunakan algoritma Machine Learning untuk memprediksi penjualan di masa depan yang hasil kinerjanya dievaluasi dengan RMSE, MEA dan R^2. Berdasarkan hasil pengujian algoritma XGBoost dan LightGBM menghasilkan nilai R^2 mencapai 60% dengan tingkat kesalahan deteksi terendah dibandingkan algoritma lainnya..

Teknik Data Science di Bidang Kesehatan : Menganalisis Faktor penting Ketidakhadiran Janji Medis Pasien Amir Mahmud Husein; Muhammad Khoiruddin Harahap
Data Sciences Indonesia (DSI) Vol. 1 No. 2 (2021): Article Research Volume 1 Number 2, Desember 2021
Publisher : ITScience (Information Technology and Science)

Ketidakhadiran pasien dan pembatalan janji temu yang terlambat akan berdampak buruk pada kinerja keuangan dan kualitas layanan organisasi perawatan kesehatan, kesinambungan perawatan terganggu, kemanjuran obat tidak dapat dipantau secara teratur, layanan pencegahan dan pemeriksaan tidak dapat diberikan tepat waktu. Makalah ini menyajikan hasil analisis dalam kumpulan data menggunakan pendekatan ilmu data. Kerangka kerja menerapkan konsep CRIS-DM dengan tahapan pemahaman bisnis, pra-pemrosesan data, pembersihan data, rekayasa fitur, pemodelan dan evaluasi. Analisis data statistik deskriptif dan visual digunakan untuk memahami kumpulan data untuk menjawab delapan pertanyaan penting yang berhubungan dengan faktor ketidakhadiran janji temu pasien yang terjadwal, kemudian memprediksi apakah pasien akan datang pada hari janji temu yang dijadwalkan. Berdasarkan hasil evaluasi nilai matriks Accuray, F1-Score dan ROC terhadap Lima model machine learning yang digunakan menghasilkan Light GBM Classifier, Gradient Boosting Classifier dan XGBoost Classifier adalah tiga model terbaik dengan akurasi diatas 78% sekitar 0.79968 (79.9%), 0.79883 (79.8%) dan 0.79806 (79.8%) pada masing-masing model

Menganalisis Data Kesehatan Global : Pendekatan Analisis Data Eksplorasi Visual Muhammad Zulfansyuri Siambaton; Amir Mahmud Husein
Data Sciences Indonesia (DSI) Vol. 1 No. 2 (2021): Article Research Volume 1 Number 2, Desember 2021
Publisher : ITScience (Information Technology and Science)

Peningkatan derajat kesehatan masyarakat merupakan salah satu indikator utama kemajuan masyarakat, dimana analisis statistik untuk pemantauan kesehatan masyarakat sangat relevan untuk sejumlah sektor, seperti penelitian, pembuatan kebijakan, perawatan kesehatan, industri farmasi, asuransi dan lainnya. Makalah ini menyajikan analisis data kesehatan global dengan dengan tujuan menemukan variabel penting yang berpengaruh terhadap harapan hidup. Dari hasil observasi dengan menggunakan beberapa tahapan proses mulai dari pembersihan data, deteksi data nilai yang hilang, mendeteksi outler ditemukan bahwa terdapat tujuh variabel penting yaitu status, Adult Mortality, percentage expenditure, HIV, GDP, schooling, Income composition of resources. Dalam penelitian ini juga disajikan upaya untuk menyusun dan menganalisis semua pertanyaan penting dalam bentuk Analisis Data Eksplorasi visualisasi secara keseluruhan dari kumpulan data.

Peramalan Deret Waktu untuk Bisnis : Pendekatan algoritma LGBM Regressor Fachrul Rozi Lubis; Eddy Rahman Syahputra
Data Sciences Indonesia (DSI) Vol. 1 No. 2 (2021): Article Research Volume 1 Number 2, Desember 2021
Publisher : ITScience (Information Technology and Science)

Peramalan deret waktu adalah topik yang cukup umum di bidang data science (ilmu data). Perusahaan menggunakan model peramalan untuk mendapatkan pandangan yang lebih jelas tentang bisnis masa depan. Data masa lalu dikumpulkan dan dianalisis melalui model kuantitatif atau kualitatif sehingga pola dapat diidentifikasi dan dapat mengarahkan perencanaan bisnis di masa depan akan tetapi memilih algoritme yang tepat merupakan salah satu keputusan sulit ketika akan mengembangkan model peramalan deret waktu. Penelitian ini menyajikan hasil analisi data dengan mengadopsi kerangka kerja data science CRISP-DM dan membandingkan lima algoritma berbeda untuk memperkirakan penjualan harian selama 28 hari ke depan. Berdasarkan hasil evaluasi kinerja RMSE, algoritma LGBM Regressor menghasilkan tingkat kesalahan 7.53 %, paling rendah dibandingkan algoritma lain, akan tetapi waktu pelatihan dan pengujian paling tinggi.

Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering Mawaddah Harahap; Yusniar Lubis; Zakarias Situmorang
Data Sciences Indonesia (DSI) Vol. 1 No. 2 (2021): Article Research Volume 1 Number 2, Desember 2021
Publisher : ITScience (Information Technology and Science)

Dalam makalah ini kami menyajikan analisis kepribadian pelanggan dalam membantu bisnis untuk memodifikasi produknya berdasarkan target pelanggan dari berbagai jenis segmen pelanggan sehingga menemukan pelanggan yang potensial, membuat pemasaran agar lebih efektif, melihat tren dalam perilaku pembelian pelanggan dan membuat penawaran produk yang relevan kepada pelanggan. Kerangka kerja Data Science (ilmu data) dengan metodologi CRIS-DM diterapkan untuk memberikan pemahaman bisnis, pemahaman data, analisis data dan pemodelan. Pada tahapan pemodelan diusulkan Principal component analysis (PCA) untuk pengurangan dimensial fitur, kemudian algoritma K-Means untuk segmentasi pelanggan dengan menggunakan metode ellow dan silhouette yang menghasilkan nilai k=4 yang paling optimal. Terakhir, hasil 4 cluster di analisis berdasarkan proposi, belanja, pendidikan dan tingkat keberhasilan kampanye yang disajikan secara visualisasi.

Page 1 of 13 | Total Record : 123

1 2 3 4 5

Filter by Year

2021 2025

Filter By Issues

All Issue Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025 Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025 Vol. 4 No. 2 (2024): Article Research Volume 4 Issue 2, December 2024 Vol. 4 No. 1 (2024): Article Research Volume 4 Issue 1, June 2024 Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023 Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, June 2023 Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, December 2023 Vol. 2 No. 2 (2022): Article Research Volume 2 Issue 2, Desember 2022 Vol. 2 No. 1 (2022): Article Research Volume 2 Issue 1 Juni Tahun 2022 Vol. 1 No. 2 (2021): Article Research Volume 1 Number 2, Desember 2021 Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021 More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Amir Mahmud Husein

Contact Email
publikasi@itscience.org

Phone
+6281262404895

Journal Mail Official
publikasi@itscience.org

Editorial Address
Jl. Sugeng. Komp. Griya Makmur 7. No D29. Deli Serdang.

Location
Unknown,

Unknown

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Amir Mahmud Husein

Contact Email publikasi@itscience.org

Phone +6281262404895

Journal Mail Official publikasi@itscience.org

Editorial Address Jl. Sugeng. Komp. Griya Makmur 7. No D29. Deli Serdang.

Location Unknown, Unknown INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Amir Mahmud Husein

Contact Email
publikasi@itscience.org

Phone
+6281262404895

Journal Mail Official
publikasi@itscience.org

Editorial Address
Jl. Sugeng. Komp. Griya Makmur 7. No D29. Deli Serdang.

Location
Unknown,

Unknown

INDONESIA