cover
Article Per Year (5 Year)
All
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
Data Sciences Indonesia (DSI)
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
 8   9   10   11   12 
Web Scraping Data Ulasan Pelanggan untuk Kemajuan Bisnis E-Commerce pada Official Store dan Non-Official Store dengan Pendekatan Natural Language Processing Al Hafizh, Muhamad Rafif; Aldi Daim Fauzan; Woro Isti Rayahu; Kiki Mustaqim; Rahma Hanum
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.5748

Abstract

Penelitian ini bertujuan mengaplikasikan teknik Web Scraping untuk mendapatkan data ulasan official store dan non-official store dari Tokopedia untuk dibandingkan dan dilakukan Sentiment Analysis untuk menghapus prasangka bahwa official store lebih unggul daripada non-official store. Web Scraping adalah teknik ekstraksi data secara otomatis dari web melalui HTML yang kemudian di-framing menjadi dataframe agar mudah dibaca. Data yang sudah diubah akan melalui Preprocessing Data, yang mencakup Data Cleaning, Normalisasi, Stopword Removal, Tokenize, Stemming, dan Translate. Proses ini menghasilkan kata yang siap diolah ke Labelling, dan diberi sentimen positif, negatif, dan netral. Hasil perbandingannya adalah Faith Industries mendapatkan 80.9% positif, 4.4% negatif, dan 14.6% netral, sedangkan Julclothing mendapatkan 69.1% positif, 18.0% negatif, dan 13.0% netral. Perbandingan tersebut tidak signifikan, dapat disimpulkan bahwa non-official store dapat bersaing dengan official store. Perbandingan selanjutnya terdapat di frekuensi sentimen terbanyak. Kedua toko tersebut memiliki kata ‘fit’ sebagai sentimen positif dan ‘measure’ sebagai sentimen netral, sedangkan sentimen negatif Faith Industries mendapatkan kata ‘long’, Julclothing mendapatkan kata ‘small’. Klasifikasi negatif tersebut disimpulkan bahwa permasalahan utama pelanggan tidak puas karena ukuran baju. Solusi permasalahan utama bagi toko dan pelanggan, yaitu toko menyediakan chart size yang sesuai dan pelanggan mengukur baju sesuai chart size sebelum membeli produk dari toko tersebut
Analisis Pola Asosiasi Interaksi Pengguna pada Sistem Informasi Akademik Berbasis Web Menggunakan Algoritma Apriori Rizka; Pratama, Haris; Nabawy, Putri; Cahyadi, Bhagaskara; Furqan, Mhd.
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.5943

Abstract

Penelitian ini bertujuan untuk menganalisis pola frekuensi data pokok pengguna pada sistem informasi berbasis web menggunakan algoritma Apriori. Analisis ini penting untuk mengidentifikasi asosiasi antar item data yang sering muncul secara bersamaan, guna meningkatkan kualitas layanan sistem dan efisiensi pengambilan keputusan berbasis data. Metode yang digunakan dalam penelitian ini adalah pendekatan data mining dengan algoritma Apriori, yang mampu menemukan pola hubungan antar data dalam bentuk aturan asosiasi. Data yang digunakan berupa transaksi pengguna pada sistem informasi yang disimulasikan melalui dataset dummy, kemudian dianalisis menggunakan Google Colab dengan bahasa pemrograman Python. Hasil penelitian menunjukkan adanya pola hubungan antar fitur yang signifikan, seperti kombinasi halaman yang sering diakses bersama oleh pengguna. Kesimpulan dari penelitian ini adalah bahwa algoritma Apriori efektif dalam mengekstraksi pengetahuan tersembunyi dari data pengguna sistem informasi berbasis web, yang dapat digunakan untuk peningkatan pengalaman pengguna dan pengembangan fitur.
Perbandingan Metode Klasifikasi dengan Teknik Resampling pada Kejadian Gagal Ginjal Kronis di Kalimantan Utara Putri Ramatillah Ramadhana; Istiana, Nofita
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6002

Abstract

Gagal ginjal kronis adalah penyakit tidak menular yang menjadi permasalahan global. Di Indonesia, Kalimantan Utara memiliki prevalensi kejadian gagal ginjal kronis tertinggi yaitu sebesar 0,64%. Penduduk usia produktif di provinsi tersebut merupakan salah satu kelompok penduduk yang rentan terhadap penyakit ini. Gagal ginjal kronis lebih banyak terjadi pada perempuan, namun perkembangan keparahannya lebih cepat pada laki-laki dimana prevalensi penduduk laki-laki yang melakukan hemodialisis adalah sebesar 18,41% sementara perempuan 0%. Fakta ini disayangkan karena penduduk laki-laki lebih banyak yang bekerja dibanding perempuan dan memiliki produktivitas lebih tinggi. Oleh karena itu, penelitian ini bertujuan mengetahui variabel penting yang berperan pada kejadian gagal ginjal kronis penduduk laki-laki usia produktif melalui pemodelan klasifikasi dan penerapan teknik resampling terbaik. Penerapan teknik resampling perlu dilakukan karena data yang digunakan memiliki kasus ketidakseimbangan kelas. Teknik resampling yang dibandingkan adalah SMOTE dan SMOTE + Tomek Links dengan metode klasifikasi Random Forest, Naïve Bayes, regresi logistik, dan regresi logistik Firth. Hasil penelitian ini, metode klasifikasi terbaik adalah Naïve Bayes dan teknik resampling terbaiknya adalah SMOTE. Variabel penting yang berperan pada kejadian gagal ginjal kronis laki-laki usia produktif ini adalah usia, konsumsi minuman energi, klasifikasi wilayah, konsumsi makanan instan, dan konsumsi minuman manis.
Deteksi Berita Hoax Pada Platform X Menggunakan Pendekatan Text Mining dan Algoritma Machine Learning Dewi, Aulia Kartika; Noni Fauzia Rahmadani; Syahputri, Rifdah; Luftia Rahma Nasution; Furqon, Mhd
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6011

Abstract

The spread of hoax news on digital platforms is increasingly becoming a serious concern as it can trigger mass disinformation and potentially cause widespread social disruption. Platform X, as one of the most widely used social media, is often used as a means of spreading unverified information. Therefore, an automatic detection system is needed that is able to identify hoax news effectively and efficiently. This research aims to build a text-based hoax news classification model by applying a text mining approach and the Support Vector Machine (SVM) algorithm. The dataset used comes from Platform X and has gone through a series of preprocessing stages, including case folding, tokenization, stopword removal, and stemming. The feature extraction process is performed using the Term Frequency-Inverse Document Frequency (TF-IDF) method to convert text into numerical representations that can be processed by the SVM algorithm. The built model is then evaluated using several performance metrics, such as accuracy, precision, recall, and F1-score. The evaluation results show that the SVM model is able to classify hoax news with 83.2% accuracy, 81.5% precision, 84.7% recall, and 83.0% F1-score. This finding shows that the SVM algorithm is quite reliable in detecting text-based hoax news and has the potential to be implemented as a solution to mitigate the spread of false information on digital platforms more broadly.
Perbandingan Representasi Teks Tf-Idf Dan Bert Terhadap Akurasi Cosine Similarity Dalam Penilaian Otomatis Jawaban Berbasis Teks Maulidya Prastita Syah; Ajeng Puspa Wardani; Mohammad Idhom; Trimono
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6021

Abstract

Penilaian manual terhadap jawaban uraian siswa seringkali menghadapi berbagai tantangan, seperti waktu koreksi yang lama, ketidakkonsistenan antar penilai, serta potensi bias subjektif. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem penilaian otomatis berbasis teks dengan pendekatan Natural Language Processing (NLP). Dua metode representasi teks, yaitu TF-IDF dan BERT, digunakan untuk menghitung kemiripan semantik antara jawaban siswa dan kunci jawaban menggunakan teknik Cosine Similarity. Penelitian ini menggunakan data sebanyak lima jawaban siswa terhadap tiga pertanyaan uraian. Proses penelitian melibatkan tahapan preprocessing data, ekstraksi fitur teks, perhitungan similarity, dan evaluasi terhadap skor manual. Hasil eksperimen menunjukkan bahwa BERT memiliki korelasi Pearson sebesar 0,8533, jauh lebih tinggi dibandingkan TF-IDF yang hanya mencapai 0,5497, menandakan BERT lebih konsisten dengan pola penilaian manual. Sementara itu, nilai MAE untuk TF-IDF adalah 1,9167 dan untuk BERT adalah 2,1141, menunjukkan bahwa keduanya memiliki selisih rata-rata prediksi yang relatif kecil. Meskipun TF-IDF lebih sederhana dan unggul dalam nilai MAE, BERT dinilai lebih andal secara keseluruhan karena mampu memahami makna semantik dalam teks. Dengan demikian, pendekatan berbasis BERT lebih direkomendasikan sebagai model utama dalam sistem penilaian otomatis berbasis teks yang akurat, objektif, dan efisien.
Klasifikasi Status Rujukan Pasien Poliklinik Bandara Berbasis Random Forest dan Interpretabilitas Model Menggunakan SHAP Kristanaya, Mirechelin; Melinda Putri Azzahra; Trimono; Mohammad Idhom
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6078

Abstract

Transformasi digital di sektor kesehatan Indonesia masih menghadapi ketimpangan implementasi, di mana fasilitas kesehatan primer seperti poliklinik bandara tertinggal dalam adopsi Artificial Intelligence (AI), sementara sistem rujukan manual yang berlaku rentan terhadap kesalahan subjektif dan ketidakefisienan terutama dalam lingkungan dinamis bandara dengan pasien berisiko tinggi dan waktu respons kritis. Penelitian ini mengembangkan solusi berbasis Random Forest yang diintegrasikan dengan SHapley Additive exPlanations (SHAP) untuk mengklasifikasi status rujukan pasien ke dalam dua kelas target: “Dirujuk” (memerlukan penanganan lanjutan) dan “Tidak Dirujuk” (dapat ditangani di tempat), secara akurat dan terinterpretasi. Metode ini dipilih karena kemampuannya menangani data multivariat dan tidak seimbang, serta menyediakan penjelasan transparan melalui nilai SHAP. Analisis dilakukan pada 374 rekam medis poliklinik Bandara Juanda dengan fitur utama seperti usia, tanda vital, dan status pasien. Hasil menunjukkan akurasi 94,59% dan AUC 0,91, dengan recall sempurna (100%) untuk kelas dirujuk, meski precision-nya masih rendah (43%) akibat ketidakseimbangan data (hanya 15 kasus dirujuk vs 359 tidak dirujuk). Interpretasi SHAP mengungkap usia sebagai faktor dominan dalam pembedaan kedua kelas, diikuti nadi dan status pasien. Inovasi penelitian terletak pada kombinasi Random Forest-SHAP untuk konteks bandara yang belum banyak dieksplorasi, serta desain antarmuka yang sesuai alur kerja klinis. Temuan ini mendukung percepatan AI-assisted triage di fasilitas primer, dengan rekomendasi penggunaan resampling atau threshold adjustment untuk optimasi lebih lanjut. Implementasi sistem ini berpotensi mengurangi waktu rujukan hingga 40% dan menjadi model replikasi untuk layanan kesehatan berorientasi mobilitas tinggi.
Analisis Perbedaan Profil Sosial Ekonomi Kabupaten dan Kota di Indonesia Berdasarkan Angka Harapan Hidup, Kemiskinan, dan Usia Melahirkan Pertama Amelia Zafira Karnaen; Mutiara M. Samosir; Khairunnisa, Nia; Pujiarto, Trimono; Nasrudin, Muhammad
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6142

Abstract

Penelitian ini bertujuan untuk menganalisis perbedaan indikator sosial ekonomi antara wilayah kabupaten dan kota di Pulau Jawa dengan menggunakan pendekatan Multivariate Analysis of Variance (MANOVA). Data yang digunakan bersumber dari publikasi resmi Badan Pusat Statistik tahun 2024 dan mencakup 119 wilayah, terdiri dari 85 kabupaten dan 34 kota. Empat variabel dependen dianalisis, yaitu Angka Harapan Hidup, proporsi perempuan melahirkan sebelum usia 20 tahun, jumlah penduduk miskin, dan Indeks Keparahan Kemiskinan. Hasil uji asumsi menunjukkan bahwa data memenuhi syarat untuk analisis MANOVA. Hasil analisis MANOVA menunjukkan perbedaan yang signifikan secara simultan antara kabupaten dan kota (Wilks’ Lambda = 0,5749; p < 0,0001). Analisis lanjutan menunjukkan bahwa jumlah penduduk miskin dan proporsi kelahiran usia dini merupakan variabel pembeda utama. Kota cenderung memiliki angka kemiskinan dan proporsi kelahiran usia dini yang lebih rendah dibandingkan kabupaten. Temuan ini menunjukkan bahwa status administratif suatu wilayah memiliki hubungan erat dengan kondisi sosial ekonomi masyarakat, dan hasil penelitian ini dapat dijadikan dasar dalam perumusan kebijakan pembangunan wilayah yang lebih tepat sasaran.
Analisis Sentimen Publik Terhadap Produk Rekomendasi Influencer Menggunakan Naive Bayes: Studi Kasus Tasya Farasya Khoerunnisa, Garda; Maesaroh, Syti Sarah; Nugraha, Muhammad Rizki
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6218

Abstract

Perkembangan masif media sosial telah mengubah pola konsumsi informasi dan menjadikan influencer sebagai salah satu rujukan utama masyarakat, khususnya dalam industri kecantikan. Penelitian ini bertujuan untuk menelaah persepsi publik terhadap produk Wardah yang berlabel Tasya Farasya Approved serta menguji efektivitas pendekatan Semi-Supervised Learning (SSL) dalam analisis sentimen komentar di TikTok. Data diperoleh melalui web scraping terhadap komentar pada video milik Tasya Farasya dan akun resmi Wardah yang diunggah sepanjang tahun 2024–2025. Setelah melalui proses preprocessing, teks diubah menjadi representasi numerik menggunakan metode TF-IDF. Model klasifikasi dibangun menggunakan algoritma Naive Bayes, divalidasi dengan 5-fold-cross-validation, dan diseimbangkan menggunakan teknik SMOTE. SSL diimplementasikan melalui metode pseudo-labeling, di mana komentar tidak berlabel (unlabeled data) dengan tingkat kepercayaan ? 80% ditambahkan secara iteratif ke data latih hingga tidak ada unlabeled data yang memiliki tingkat kepercayaan ? 80%. Hasil menunjukkan distribusi 425 komentar positif, 305 netral, dan 148 negatif, menandakan dominasi sentimen positif khususnya apresiasi terhadap produk micellar water yang dianggap efektif dan sesuai kebutuhan pengguna. Pengaruh Tasya Farasya sebagai beauty influencer turut memperkuat persepsi positif tersebut. Penerapan SSL meningkatkan akurasi model dari 0,7565 menjadi 0,7733, disertai peningkatan precision, recall, dan F1-score, terutama pada kelas positif dan netral.
Meningkatkan Kualitas Gambar Digital melalui Pengurangan Noise Menggunakan Median Filtering Alamsyah, Muhammad Fadlan; Harahap, Lailan Sofinah; Firjatullah, Maulana
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6290

Abstract

: Citra digital merupakan komponen penting dalam berbagai aplikasi teknologi informasi, mulai dari bidang medis, pemetaan satelit, keamanan, hingga media sosial. Namun, kualitas citra digital seringkali mengalami penurunan akibat gangguan berupa noise atau derau, yang dapat muncul dalam berbagai bentuk seperti salt-and-pepper dan Gaussian noise. Noise ini dapat terjadi karena kesalahan dalam proses akuisisi, gangguan perangkat keras, atau transmisi data yang tidak stabil. Kehadiran noise tidak hanya mengganggu tampilan visual citra, tetapi juga dapat mempengaruhi hasil analisis lanjutan yang bergantung pada keakuratan data visual, seperti deteksi objek, segmentasi, dan klasifikasi. Penelitian ini bertujuan untuk menganalisis efektivitas metode median filter, yaitu teknik penyaringan non-linear yang menggantikan nilai piksel dengan nilai tengah dari tetangganya, dalam mereduksi noise pada citra digital. Eksperimen dilakukan terhadap data citra sintetis yang ditambahkan noise secara artifisial dengan tingkat intensitas yang bervariasi, yaitu 10%, 20%, dan 40%. Proses pengolahan citra dilaksanakan menggunakan bahasa pemrograman Python dan pustaka OpenCV, dengan penerapan kernel berukuran 3×3 pada median filter. Evaluasi dilakukan melalui pendekatan kuantitatif berdasarkan rasio keberhasilan reduksi noise dan waktu pemrosesan, serta melalui pendekatan kualitatif berupa analisis visual terhadap hasil penyaringan. Hasil penelitian menunjukkan bahwa median filter bekerja sangat efektif untuk noise tipe salt-and-pepper, dengan tingkat keberhasilan mencapai lebih dari 90% pada intensitas noise 20%. Selain itu, median filter juga menunjukkan kinerja yang cukup baik terhadap noise Gaussian, meskipun tidak seoptimal pada salt-and-pepper. Kelemahan utama yang ditemukan adalah efek kabur (blur) pada citra hasil filter, terutama pada tingkat noise yang tinggi dan pada area citra dengan tekstur halus. Berdasarkan temuan tersebut, disarankan untuk menggunakan metode lanjutan seperti weighted median filter, adaptive median, atau integrasi dengan algoritma deteksi tepi untuk meningkatkan hasil filtering tanpa mengorbankan detail penting pada citra. Penelitian ini memberikan kontribusi dalam pengembangan metode pemrosesan citra digital yang efisien dan aplikatif, khususnya dalam konteks peningkatan kualitas gambar melalui reduksi noise.
Integrasi Big Data Dan Sistem Informasi Geospasial Untuk Meningkatkan Ketahanan Pangan Di Indonesia Ade Setiawan, Farid; Rezkiadi, Faqih Septiya; Hardiansyah, Richo; Sekira, Selvi; Fahlevvi, Mohammad Rezza; Apriyansa, Ari
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6287

Abstract

Ketahanan pangan merupakan salah satu isu strategis nasional karena menyangkut keberlanjutan pembangunan, stabilitas sosial, dan kedaulatan negara. Kompleksitas permasalahan ketahanan pangan yang mencakup aspek produksi, distribusi, konsumsi, hingga kerentanan akibat perubahan iklim dan geografi menuntut adanya pendekatan multidisipliner dan pemanfaatan teknologi mutakhir. Pendekatan ini diperlukan untuk membangun sistem perencanaan dan tata kelola pangan yang adaptif, berbasis data, serta mampu merespons dinamika secara cepat dan tepat. Artikel ini membahas integrasi Big Data dan Sistem Informasi Geospasial (SIG) sebagai strategi untuk memperkuat sistem informasi dan pengambilan keputusan dalam kebijakan ketahanan pangan di Indonesia.Big Data menawarkan kemampuan analisis data dalam jumlah besar dan real-time, sementara SIG memungkinkan pemetaan spasial terhadap aspek-aspek penting ketahanan pangan seperti lahan pertanian, distribusi logistik, hingga kerawanan pangan. Melalui studi literatur dan analisis kebijakan, artikel ini menemukan bahwa integrasi dua teknologi ini mampu meningkatkan akurasi prediksi produksi pangan, identifikasi wilayah rawan pangan, serta optimalisasi distribusi. Namun, implementasi teknologi ini masih menghadapi tantangan berupa keterbatasan infrastruktur data, kualitas data yang bervariasi, serta kurangnya koordinasi antar lembaga. Diperlukan tata kelola data nasional yang kuat, pelatihan SDM berbasis data science dan geospasial, serta payung regulasi terpadu untuk menjamin interoperabilitas dan keamanan data. Artikel ini merekomendasikan pengembangan rancangan sistem Sistem Informasi Geospasial (SIG) berbasis Big Data yang mampu melakukan prediksi atau peramalan kondisi ketahanan pangan di Indonesia secara spasial-temporal. Sistem ini diharapkan dapat menjadi alat bantu analisis yang komprehensif bagi para pemangku kepentingan, khususnya pemerintah, dalam merumuskan kebijakan yang tepat, adaptif, dan responsif terhadap dinamika serta tantangan ketahanan pangan nasional.

Page 10 of 13 | Total Record : 123

 8   9   10   11   12 

Filter by Year

2021 2025


Reset
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