cover
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)
ISSN : -     EISSN : 28090721     DOI : 10.47709
Core Subject : Science, Education,
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
Articles 123 Documents
Prediksi Kunjungan Wisatawan Mancanegara Ke Indonesia Menggunakan Metode Dynamic Harmonic Regression Noviana Riza; Rahayu, Woro Isti; Hidayatullah, Muhammad Reefy; Yusuf
Data Sciences Indonesia (DSI) Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i2.5915

Abstract

Sektor pariwisata memiliki peran penting dalam perekonomian Indonesia melalui kontribusi pendapatan yang signifikan. Keindahan alam, warisan budaya, dan beragam destinasi wisata menjadikan Indonesia sebagai salah satu tujuan utama wisatawan mancanegara. Untuk menjaga daya saing sektor pariwisata serta mencegah stagnasi yang dapat berdampak pada penurunan devisa, diperlukan perencanaan strategis berbasis analisis data kualitatif dan kuantitatif. Model prediksi berbasis data historis kunjungan wisatawan dapat menjadi alat yang efektif bagi pemangku kepentingan dalam merumuskan strategi pengembangan pariwisata. Penelitian ini menerapkan metode SARIMAX dan Dynamic Harmonic Regression dengan pendekatan Time Series untuk memprediksi jumlah kunjungan wisatawan mancanegara. Hasil prediksi menunjukkan adanya peningkatan jumlah kunjungan wisatawan sebesar 7,48% dalam 24 bulan ke depan. Evaluasi model menunjukkan tingkat akurasi yang baik dengan nilai Mean Absolute Error (MAE) sebesar 27.730,51, Root Mean Square Error (RMSE) sebesar 34.320,51, dan Mean Absolute Percentage Error (MAPE) sebesar 5,30%.
Efektivitas Tanda Fisiologis dalam Mendeteksi Rasa Sakit: Tinjauan Literatur Sistematis Reinaldo Crispin, Andrian; David Mahendra Aritonang, Luwis; Bermanta Simarmata, Rivandi; Matthew Jonathan, Felix
Data Sciences Indonesia (DSI) Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i2.6699

Abstract

Nyeri merupakan pengalaman sensorik dan emosional yang kompleks, sering kali sulit diukur secara objektif, terutama pada pasien yang tidak mampu berkomunikasi secara verbal. Penilaian nyeri yang tepat sangat penting untuk memberikan intervensi medis yang cepat dan efektif. Namun, pendekatan konvensional yang bergantung pada pelaporan diri memiliki keterbatasan pada populasi tertentu seperti anak-anak, pasien ICU, dan penderita gangguan kognitif. Oleh karena itu, penelitian ini bertujuan untuk mengevaluasi efektivitas tanda-tanda fisiologis dalam mendeteksi rasa sakit melalui tinjauan literatur sistematis. Metode penelitian dilakukan menggunakan protokol PRISMA dengan strategi pencarian berbasis kerangka kerja PICO. Artikel diperoleh dari database PubMed, Scopus, dan Google Scholar dengan kriteria inklusi mencakup publikasi tahun 2014–2024, bahasa Inggris, dan akses terbuka. Dari 141 artikel, 16 memenuhi kriteria untuk dianalisis lebih lanjut. Hasil menunjukkan bahwa sinyal fisiologis seperti Electrodermal Activity (EDA), elektrokardiogram (EKG), dan tingkat respirasi memiliki potensi tinggi dalam mendeteksi rasa sakit, terutama ketika dikombinasikan dengan teknologi pembelajaran mesin. Perangkat wearable seperti jam tangan pintar juga terbukti efektif dalam pemantauan nyeri real-time. Meski demikian, akurasi model multimodal masih memerlukan peningkatan lebih lanjut. Kesimpulannya, tanda fisiologis memberikan pendekatan objektif dan menjanjikan untuk deteksi nyeri, khususnya bagi pasien non-verbal. Penelitian selanjutnya disarankan untuk mengembangkan model multimodal yang lebih akurat dan komprehensif guna meningkatkan kualitas perawatan pasien berbasis teknologi.
Strategi Pengambilan Keputusan Berbasis Data Analytics pada UMKM untuk Meningkatkan Penjualan Sutisna; Nurur Raudhan, Muhammad
Data Sciences Indonesia (DSI) Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i2.6768

Abstract

UMKM (Usaha Mikro, Kecil, dan Menengah) memiliki kontribusi besar terhadap perekonomian Indonesia, namun masih menghadapi berbagai tantangan dalam pengambilan keputusan yang tepat guna meningkatkan penjualan. Salah satu solusi yang ditawarkan adalah penerapan data analytics untuk mengolah data penjualan menjadi informasi yang dapat dijadikan dasar strategi bisnis. Penelitian ini bertujuan untuk menerapkan metode descriptive analytics pada data penjualan UMKM yang diperoleh dari platform publik Kaggle. Data tersebut mencakup atribut tanggal transaksi, jenis produk, jumlah order, harga, dan total penjualan. Metode yang digunakan mengacu pada tahapan CRISP-DM, dimulai dari pengumpulan data, preprocessing, eksplorasi data, hingga visualisasi menggunakan Google Colab dan library Python seperti Pandas, Seaborn, dan Matplotlib. Analisis dilakukan untuk menjawab tiga rumusan masalah: penerapan data analytics, temuan pola penjualan, serta strategi peningkatan penjualan. Hasil menunjukkan bahwa pendekatan ini mampu mengidentifikasi produk terlaris, tren penjualan bulanan, serta fluktuasi permintaan. Visualisasi tren penjualan dan statistik deskriptif berhasil mengungkap produk yang berkontribusi besar terhadap omzet serta bulan-bulan dengan performa tinggi atau rendah. Berdasarkan temuan ini, strategi bisnis seperti fokus promosi pada produk unggulan, penguatan stok saat puncak penjualan, serta evaluasi produk tidak laku dapat dirumuskan. Penelitian ini bersifat eksploratif dan ditujukan sebagai panduan praktis bagi pelaku UMKM yang belum familiar dengan data analytics. Rekomendasi lanjutan meliputi integrasi dengan metode prediksi dan penggunaan visualisasi interaktif.

Page 13 of 13 | Total Record : 123