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
 9   10   11   12   13 
Klasifikasi Arthropoda Dengan Pendekatan Convolutional Neural Network (CNN) Dalimunthe, Ali Akbar; Hasibuan, Nelly Astuti
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.v5i1.6324

Abstract

Arthropoda merupakan filum hewan yang paling luas yang mencakup lebih dari 80% hewan spesies di bumi, termasuk kalajengking, laba-laba, dan kecoa. Morfologi keanekaragaman dan kemiripan antarspesies membuat klasifikasi manual menjadi kompleks, terutama di level ordo. Oleh karena itu, penelitian ini memiliki tujuan mengembangkan model klasifikasi citra arthropoda menggunakan pendekatan Convolutional Neural Network (CNN). Dataset yang dipakai adalah 1.028 images arthropoda yang diperoleh dari Kaggle, terbagi atas tiga kelas, yaitu kalajengking, laba-laba, dan kecoa. Dataset ini di split menjadi tiga tahap yaitu 80% untuk pelatihan, 10% validasi, dan 10% testing. Arsitektur yang dipakai dalam penelitian ini adalah EfficientNet-B7 yang digabungkan dengan metode transfer learning, augmentation data, serta optimasi Adam. Pelatihan dilakukan selama 25 epochs dengan menggunakan metode early stopping untuk mencegah overfitting. Hasil uji menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan citra arthropoda dengan 93,67% akurasi, 94,50% precision, 92,00% recall, dan F1-score 92,54%. Hasil ini menunjukkan bahwa strategi CNN, yaitu EfficientNet-B7, mampu mengenali dan mengklasifikasikan arthropoda secara efektif dan efisien. Penelitian ini menunjukkan potensi penggunaan teknologi deep learning untuk mendukung klasifikasi organisme biologis secara otomatis, cepat, dan akurat.
Tren dan Potensi Sistem Informasi Geografis dalam Penanggulangan Demam Berdarah: Analisis Bibliometrik Crispin, Andrian Reinaldo; Edbert, Edbert; Hulu, Victor Trismanjaya; Kamble, Pratik Bibhisan; Dharma, Abdi
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.v5i1.6351

Abstract

Demam berdarah dengue masih menjadi masalah kesehatan masyarakat yang signifikan di banyak negara. Tingginya prevalensi penyakit ini menunjukkan perlunya alat yang efektif seperti Sistem Informasi Geografis (SIG) untuk membantu memprediksi dan mengelola penyebarannya. Penelitian ini bertujuan untuk mengkaji dan merangkum peran SIG dalam pemetaan dan komunikasi pola transmisi dengue. Metode yang digunakan adalah pendekatan bibliometrik dengan pengumpulan literatur relevan dari beberapa basis data, seperti Google Scholar, Scopus, dan PubMed. Dari total 440 artikel yang diidentifikasi, hanya 11 yang memenuhi kriteria inklusi. Data yang dikumpulkan mencakup tahun publikasi (2013–2023), judul jurnal, desain studi, populasi, intervensi, hasil, serta manfaat yang dilaporkan dari penggunaan SIG dalam penelitian terkait dengue. Analisis kualitatif dilakukan dengan mengorganisasi dan mempresentasikan temuan utama dari studi yang terpilih. Hasil menunjukkan bahwa SIG sangat berguna dalam mengidentifikasi area wabah saat ini, mendeteksi zona berisiko tinggi melalui klaster spasial, meningkatkan akurasi prediksi kasus, serta mendukung upaya surveilans secara berkelanjutan. Selain itu, SIG juga berkontribusi pada pengambilan keputusan yang lebih tepat dalam program pencegahan dan pengendalian dengue. Secara keseluruhan, SIG memainkan peran penting dalam memahami dinamika penyakit, memperkuat sistem peringatan dini, dan membimbing respons kesehatan masyarakat terhadap wabah dengue.
Analisis Integrasi Big Data dan IoT untuk Meningkatkan Kualitas Layanan Kesehatan Berbasis Teknologi Sinaga, Eimanisura; Basnella, Rindu; Madiya, Rehuelli; Rompas, Veronica; 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.v5i1.6472

Abstract

Perkembangan teknologi informasi telah memberikan dampak besarpada sektor kesehatan, terutama dalam meningkatkan efisiensi dan kualitaslayanan. Teknologi seperti Big Data dan Internet of Things (IoT) memungkinkanpengumpulan dan analisis data medis dalam jumlah besar serta pemantauan pasiensecara real-time. Penelitian ini bertujuan untuk menganalisis bagaimana integrasiBig Data dan IoT dapat meningkatkan kualitas layanan kesehatan, dengan fokuspada pengaruhnya terhadap perawatan pasien dan efisiensi operasional rumahsakit. Metode penelitian yang digunakan adalah studi literatur, yang melibatkanpengumpulan dan analisis data dari berbagai sumber seperti jurnal ilmiah, artikel, dan laporan penelitian terkait. Hasil penelitian menunjukkan bahwa rumah sakityang telah mengimplementasikan teknologi ini mengalami peningkatan signifikandalam beberapa aspek, antara lain peningkatan akurasi diagnosis, penguranganwaktu tunda layanan, dan pengelolaan sumber daya yang lebih efisien. Pemantauan pasien secara real-time menggunakan perangkat IoT memungkinkanpengambilan keputusan medis yang lebih cepat, sementara analisis Big Data membantu dalam memprediksi pola penyakit dan kebutuhan medis. Meskipundemikian, tantangan yang dihadapi meliputi masalah keamanan data, keterbatasaninfrastruktur, serta perubahan paradigma dalam praktik kesehatan. Kesimpulannya, integrasi Big Data dan IoT dapat meningkatkan kualitas layanankesehatan, namun memerlukan pemecahan tantangan yang ada untukmengoptimalkan penerapannya di sektor kesehatan.
Analisis Kepuasan Pengguna Aplikasi Surek Nagari Dengan Metoda End User Computing Satisfaction Ali Akbar, Muh. Dylan; Muhammad Husein Syuhada; Raifa, Faizaqila; Thoriq Afif; Rezza Fahlevi; Ari Apriyansa
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.v5i1.6478

Abstract

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna aplikasi Surek Nagari di lingkungan OPD Kabupaten Agam  berdasarkan lima dimensi End User Computing Satisfaction (EUCS), yaitu  content, accuracy, format, ease of use, dan timeliness. Data dikumpulkan  melalui wawancara mendalam dengan para pengguna aplikasi. Hasil penelitian menunjukkan bahwa variabel content, format, ease of use, dan  timeliness memperoleh penilaian sangat baik dari pengguna, sedangkan  accuracy dinilai baik namun masih terdapat beberapa kekurangan terkait  error pada fitur tertentu. Secara simultan, kelima dimensi EUCS terbukti  berpengaruh positif dan signifikan terhadap kepuasan pengguna aplikasi Surek Nagari. Temuan ini menegaskan pentingnya pengelolaan kualitas  aplikasi pada seluruh aspek EUCS untuk meningkatkan kepuasan serta efektivitas penggunaan aplikasi di masa mendatang.
Penerapan Metode K-Means Clustering Status Gizi Balita Di UPT Puskesmas Barong Tongkok Vicky Pranandika Wijaksana; Hairah, Ummul; Wati, Masna; Puspitasari, Novianti; Septiarini, Anindita
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.v5i1.6517

Abstract

Gizi pada anak balita merupakan masalah yang sangat penting untuk diperhatikan terutama bagi orang tua dan tenaga kesehatan. Status gizi balita dapat diketahui berdasarkan indeks Berat Badan menurut Umur dan Tinggi Badan menurut Umur. Penelitian ini bertujuan untuk mengidentifikasi pola-pola yang mungkin ada dalam status gizi balita dan mengidentifikasi kelompok balita yang berisiko tinggi atau berada dalam kondisi gizi yang buruk pada balita di kecamatan Barong Tongkok dengan penerapan K-Means. Data yang digunakan sebanyak 300 data yang akan dicluster menjadi 3 yaitu Underweight, Gizi Baik dan Gizi Lebih menggunakan metode perhitungan jarak Ecludean Distance, Manhattan Distance dan Minkowski Distance. Hasil pengujian Sum Squared Error (SSE) menunjukkan metode Minkowski Distance lebih unggul karena mendapatkan nilai error terkecil sebesar 815,4409. Sebanyak 133 Balita dalam kategori Gizi Baik (C1), 83 Balita dalam kategori Gizi Lebih (C2), dan 84 Balita dalam kategori Underweight (C3).
Rancang Bangun Antena Mikrostrip Patch Circular Untuk Aplikasi 5G Handika, Diana Muttia
Data Sciences Indonesia (DSI) Vol. 2 No. 1 (2022): Article Research Volume 2 Issue 1 Juni Tahun 2022
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i1.1518

Abstract

Pada paper ini dirancang antena mikrostrip circular yang bekerja pada frekuensi resonansi 26 GHz dan 38 GHz. Frekuensi ganda dibangkitkan dengan menambahkan U-slot pada bidang patch, kemudian penyesuaian ketinggian bertingkat pada slot untuk mendapatkan frekuensi tengah yang diinginkan. Hasil simulasi dari rancangan mikrostrip circular untuk frekuensi 26 GHz diperoleh nilai return loss -21,75 dB, VSWR 1,17 dan bandwidth 236 MHz, sedangkan pada frekuensi 38 Ghz return loss -25,49 dB, VSWR 1,11 dan bandwidth 719 MHz. Nilai gain sebesar 8,12 dBi dengan pola radiasi unidirectional. Hasil rancangan telah memenuhi standar antenna untuk jaringan 5G, dengan radius (a) = 3,14 mm dapat diaplikasikan pada perangkat komunikasi nirkabel yang membutuhkan miniaturiasi antenna.
Analisis Perbandingan Smart Home dengan Teknologi SMS, IOT dan PIC Mikrokontroler Heryanto
Data Sciences Indonesia (DSI) Vol. 2 No. 1 (2022): Article Research Volume 2 Issue 1 Juni Tahun 2022
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i1.1520

Abstract

Aktivitas kehidupan manusia yang sibuk menginginkan kenyamanan dan keamanan saat mereka dirumah atau diluar. Pengontrolan rumah dari jarak jauh merupakan teknologi yang mengupayakan kenyamanan tersebut. System ini selain dalam mengontrol rumah dari jarak jauh, juga sebagai mengamankan rumah dari pelanggaran atau pencurian. Smart home berbasis nirkabel memainkan peran penting dalam kehidupan manusia karena dapat mengurangi beban kerja manusia, menghemat listrik dan mengurangi kekhawatiran tentang keamaan rumah saat bekerja. Fokus utama dari penelitian ini adalah otomatisasi kontrol status lampu ON/OFF, kecepatan kipas angin dan peralatan rumah tangga lainnya dari jarak jauh. Pengontrolan smart home dibandingkan melalui teknolog SMS, IOT dan PIC Mikrokontroler dengan modulasi ZigBee
Analisis Pathloss Model Optimasi Cost 231 Outdoor To Indoor Untuk Komunikasi Seluler ZIKRI ANANDA EKA BONA PUTRA HB
Data Sciences Indonesia (DSI) Vol. 2 No. 1 (2022): Article Research Volume 2 Issue 1 Juni Tahun 2022
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i1.1522

Abstract

Pengukuran rugi-rugi lintasan model outdoor to indoor telah dilakukan pada sebuah lokasi gedung perkuliahan di area perkotaan. Model ini merupakan model dimana Pemancar berada diluar gedung, sedangkan penerima bebas bergerak didalam ruangan. Penelitian ini meneliti besarnya kuat sinyal disepanjang lintasan pada frekuensi 2100 MHz. Model propagasi yang digunakan adalah model Optimasi COST231. Dengan mengubah parameter rugi-rugi penetrasi dinding internal dan eksternal pada formulasi COST231 maka didapat profil rugi-rugi lintasan yang mendekati dengan kondisi pengukuran di lokasi penelitian.
Penggunaan Metode Backpropagation Pada Sistem Prediksi Kelulusan Mahasiswa STMIK Kaputama Binjai Faisal
Data Sciences Indonesia (DSI) Vol. 2 No. 1 (2022): Article Research Volume 2 Issue 1 Juni Tahun 2022
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i1.1664

Abstract

Kelulusan yang tepat pada waktunya menjadi salah satu tolak ukur integritas sekolah tinggi, termasuk STMIK Kaputama Binjai. Dari tahun ke tahun, banyak mahasiswa Universitas STMIK Kaputama Binjai yang lulus tepat pada waktunya, namun tidak sedikit pula mahasiswa yang tidak lulus tepat pada waktunya. Untuk itu perlu adanya sistem prediksi kelulusan agar dosen dapat mengarahkan mahasiswa yang diprediksi akan lulus terlambat. Metode yang digunakan adalah Jaringan Syaraf Tiruan Backpropagation. Metode Backpropagation memiliki 3 arsitektur yaitu input layer, hidden layer, dan output layer. Proses Backpropagation meliputi forward dan backward. Data yang digunakan adalah data IPS1 hingga IPS4 kelulusan tahun 2015-2021 dari program studi Teknik Informatika, sebagai data latih untuk jaringan syaraf tiruan Backpropagation menggunakan data dari mahasiswa yang sudah lulus, lalu sebagai data uji untuk prediksi kelulusan bisa mnggunakan data mahasiswa yang masih menempuh pendidikan dengan ketentuan harus sudah melewati semester 4. Dari berbagai percobaan dengan fitur max iterasi, max kecepatan latih, dan minimal error yang berbeda lalu data latih yang berbeda pula dapat menghasilkan tingkat akurasi hasil prediksi yang berbeda, akurasi pengujian tertinggi dapat dilihat dari hasil error yang paling minimum. Sistem ini dibangun menggunakan Bahasa Pemrograman Visual Basic dengan software Visual Studio 2010. Hasil penelitian menunjukkan bahwa metode Backpropagations dinilai cukup bagus dalam melakukan Pengklasifikasian untuk melakukan prediksi kelulusan mahasiswa.
Prediksi Kualitas Kopi Dengan Algoritma Random Forest Melalui Pendekatan Data Science Ciptady, Kalvintirta; Harahap, Mawaddah; Jonvin, Jonvin; Ndruru, Yonata; Ibadurrahman, Ibadurrahman
Data Sciences Indonesia (DSI) Vol. 2 No. 1 (2022): Article Research Volume 2 Issue 1 Juni Tahun 2022
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i1.1708

Abstract

Perusahaan yang bergerak dibidang produksi kopi, selalu mementingkan kualitas kopi untuk menghasilkan produk yang dapat bersaing dengan kompetitor lainnya . Adapun sistem yang dapat dibangun untuk mengatasi permasalahan tersebut yaitu berupa prediksi dalam menentukan kualitas kopi. Data kopi yang digunakan pada penelitian ini didapatkan dari Coffee Quality Institute. Data ini memiliki 44 kolom atau variabel dengan jumlah data sebanyak 1339 data. Tahapan yang dilakukan dengan pendekatan data science dengan algoritma random forest terdiri dari proses pengumpulan data, preprocessing, pengumpulan data, split data, pemrosesan dengan algoritma Random Forest yang menghasilkan hasil prediksi, hingga yang terakhir adalah proses evaluasi performa algoritma Random Forest dalam memprediksi kualitas kopi. Variabel dependen yang diprediksi pada penelitian ini secara berurutan dari kualitas terbaik hingga terburuk antara lain adalah kualitas kopi Specialty Grade, Premium, Exchange, dan Below Standard. Kualitas kopi premium adalah hasil prediksi paling baik dengan hasil actual 135. Jumlah data yang cukup untuk memastikan algoritma random forest dapat memprediksi dengan cukup baik dengan akurasi yang mencapai 79% masih memiliki ruang untuk perkembangan sehingga bisa mendekati 100%. Kurang optimalnya nilai akurasi pada penelitian ini dapat diakibatkan oleh kurangnya variabel independen yang digunakan. Penelitian ini hanya menggunakan 8 variabel dari 43 variabel yang tersedia. Sehingga masih terdapat variabel yang berpotensi dapat meningkatkan akurasi. Tidak dilakukannya penyetelan parameter Random Forest yang tersedia untuk meningkatkan akurasi.

Page 11 of 13 | Total Record : 123

 9   10   11   12   13 

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, December 2023 Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, June 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