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 147 Documents
 11   12   13   14   15 
Implementasi Framework Streamlit Untuk Menentukan Besaran Dana Bantuan Berdasarkan Prioritas Dengan Metode Weighted Product Fatia Amalia Maresti; Maysa Zaidee Aulia; Paulina Bota Kolin; Kiki Mustaqim
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.7849

Abstract

Dana bantuan merupakan bentuk dukungan finansial yang berperan krusial dalam pemberdayaan masyarakat dan pengembangan ekonomi. Namun, dalam proses penyalurannya, sering terjadi ketidakefektifan dalam menentukan prioritas penerima, yang menyebabkan alokasi dana menjadi kurang optimal. Penelitian ini bertujuan untuk menerapkan metode Weighted Product (WP) dalam menentukan prioritas penerima dana bantuan agar distribusi dana lebih objektif dan tepat sasaran. WP digunakan untuk melakukan perhitungan berbasis pembobotan kriteria, dan sistem ini diimplementasikan dalam bentuk website menggunakan framework Streamlit. Hasil penelitian menunjukkan bahwa metode Weighted Product mampu mengalokasikan dana secara optimal sesuai dengan urgensi penerima. Dengan total anggaran Rp100.000.000 yang dibagikan kepada 46 perusahaan, sistem memberikan bantuan tertinggi sebesar Rp7.222.549 untuk Perusahaan A2 dan bantuan terendah sebesar Rp458.456 untuk Perusahaan A36. Implementasi website berjalan dengan baik, memungkinkan pengguna untuk menyesuaikan bobot kriteria, memasukkan berbagai jenis data, serta memperoleh hasil perhitungan secara otomatis dan interaktif.
Pendekatan Data-Centric untuk Mengurangi Shortcut-Learning pada Klasifikasi Rontgen Dada: Segmentasi Paru sebagai Panduan Pembelajaran Amir Mahmud Husein; Fachrul Lubis; Abdullah Muhazir
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.8075

Abstract

Klasifikasi rontgen dada dengan pembelajaran mendalam menunjukkan kinerja tinggi pada dataset, tetapi model dapat memanfaatkan petunjuk di luar paru dan rapuh saat format citra, penanda, atau sumber data berubah. Pendekatan data-centric membatasi pembelajaran pada wilayah paru. Eksperimen pada COVID-19 Radiography Database (citra dan mask paru). Dibandingkan skema: baseline citra penuh (M0), klasifikasi berbasis mask paru (M1), serta multi-tugas segmentasi paru dan klasifikasi (M2). Evaluasi memakai macro-F1, balanced accuracy, dan metrik per kelas. Perilaku model diaudit melalui saliency-in-lung ratio Grad-CAM, serta diuji dengan gangguan area non-paru: watermark, border atau noise, dan pergeseran kontras. Reliabilitas probabilitas diuji dengan temperature scaling dan selective prediction. Mask paru memberi kinerja lebih merata lintas kelas, fokus paru lebih konsisten, dan degradasi lebih kecil saat gangguan non-paru. Kalibrasi menyelaraskan confidence dengan akurasi empiris; selective prediction menunjukkan trade-off menahan kasus berketidakpastian tinggi. Pendekatan ini relevan sebagai dasar metodologis sistem pendukung keputusan yang dapat diaudit dan prasyarat validasi sebelum penerapan operasional
Analisis Segmentasi Calon Mahasiswa Baru Berdasarkan Faktor Ekonomi Menggunakan Algoritma K-Medoids Khamarudin Syarif; Ummu Wachidatul Latifah; Yuli Wijayanti; Siska Febriani
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.8155

Abstract

Pengelompokan calon mahasiswa baru berdasarkan kondisi ekonomi merupakan langkah penting dalam mendukung pengambilan keputusan institusi pendidikan, khususnya dalam penentuan program bantuan atau beasiswa. Penelitian ini bertujuan untuk menerapkan algoritma K-Medoids dalam melakukan analisis clustering terhadap calon mahasiswa baru di IBISA berdasarkan faktor ekonomi. Data yang digunakan terdiri dari 20 data calon mahasiswa dengan indikator ekonomi meliputi pekerjaan orang tua, pendapatan per bulan, jumlah tanggungan keluarga, kepemilikan aset, dan pendidikan orang tua. Tahapan penelitian meliputi proses preprocessing data yang terdiri dari data cleaning, transformasi data, normalisasi, serta perhitungan jarak menggunakan metode Euclidean Distance. Selanjutnya dilakukan proses clustering menggunakan algoritma K-Medoids untuk mengelompokkan data ke dalam beberapa cluster berdasarkan kemiripan karakteristik ekonomi. Hasil penelitian menunjukkan bahwa data calon mahasiswa dapat dikelompokkan menjadi tiga cluster utama yaitu kelompok ekonomi rendah, ekonomi menengah, dan ekonomi tinggi. Metode K-Medoids mampu menghasilkan pengelompokan yang cukup stabil karena menggunakan medoid sebagai pusat cluster yang lebih tahan terhadap outlier. Hasil clustering ini dapat dimanfaatkan oleh pihak perguruan tinggi sebagai dasar dalam pengambilan kebijakan terkait program bantuan pendidikan, penentuan beasiswa, serta perencanaan strategi akademik yang lebih tepat sasaran.
Implementasi K-Means untuk Analisis Manajemen SDM dan Aset Non-Medis Berbasis Web di PT XYZ Aldi Daim Fauzan; Woro Isti Rahayu; Noviana Riza
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.8284

Abstract

Transformasi digital menuntut adanya sistem pengelolaan data yang efisien dan berbasis analitik, termasuk di sektor kesehatan. Penelitian ini mengimplementasikan sistem informasi berbasis web untuk analisis manajemen SDM dan aset non-medis melalui integrasi Laravel sebagai backend untuk operasi CRUD dan API, serta Streamlit sebagai dashboard analitik interaktif. Metode yang digunakan adalah algoritma K-Means Clustering untuk segmentasi data karyawan (gaji dan masa kerja) serta perangkat keras (umur dan harga). Hasil Elbow Method menunjukkan jumlah klaster optimal K=3, dengan Silhouette Score 0,639 yang menandakan segmentasi cukup baik. Sistem mampu menampilkan visualisasi berupa distribusi aset, status perangkat, dan profil karyawan, sekaligus memberi rekomendasi berbasis data untuk mendukung pengambilan keputusan manajerial. Integrasi Laravel dan Streamlit terbukti menghasilkan sistem analitik yang fleksibel, mudah diakses, dan potensial menjadi model awal solusi digital analitik non-medis berbasis teknologi.
Aspect-Based Sentiment Analysis pada Ulasan Konsumen Shopee (Studi Kasus Chocodot) Khoirotun Hisan; Rangga Gelar Guntara; Muhammad Rizki Nugraha
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.8410

Abstract

Analisis ulasan konsumen menjadi sumber penting dalam memahami persepsi pasar terhadap produk, khususnya pada industri makanan berbasis e-commerce. Studi ini memanfaatkan pendekatan Aspect-Based Sentiment Analysis (ABSA) untuk mengidentifikasi aspek produk Chocodot serta sentimen yang menyertainya berdasarkan ulasan pelanggan di Shopee periode 2020–2026. Metode yang digunakan mengacu pada kerangka CRISP-DM, meliputi tahapan pengumpulan data, praproses teks, pelabelan, pemodelan, evaluasi, dan implementasi. Deteksi aspek dilakukan menggunakan pendekatan berbasis keyword, sedangkan klasifikasi sentimen menggunakan model IndoBERT. Hasil pemodelan menunjukkan performa yang baik meskipun masih terdapat keterbatasan dalam mendeteksi sentimen negatif dan netral. Pada tahap implementasi, distribusi sentimen didominasi oleh sentimen positif yang mengindikasikan penerimaan produk yang sangat baik di pasar. Aspek rasa menjadi fokus utama konsumen, diikuti oleh kualitas, pelayanan, harga, dan kemasan. Di sisi lain, aspek kemasan, pelayanan, dan kualitas menunjukkan tingkat kepuasan tertinggi, sementara aspek rasa dan harga masih mengandung variasi sentimen yang menunjukkan adanya ruang perbaikan. Hasil analisis memberikan gambaran yang lebih terarah mengenai persepsi konsumen pada tiap aspek produk. Insight ini dapat dimanfaatkan sebagai dasar pengambilan keputusan strategis, terutama dalam menjaga konsistensi rasa, mempertahankan kualitas dan pelayanan, serta mengevaluasi strategi harga agar lebih sesuai dengan persepsi nilai konsumen.
Segmentasi Pelanggan Berbasis Clustering Menggunakan LRFM dan Variabel Transaksi Untuk Mendukung Strategi Pemasaran Andini Pramesti; I Kadek Dwi Nuryana
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.8430

Abstract

CV. Restu Tani Jaya marupakan salah satu pelaku usaha yang bergerak di sektor pertanian yang berlokasi di Nganjuk, Jawa Timur. Berdasarkan hasil wawancara CV. Restu Tani Jaya mengalami permasalahan dalam pengelolaan data dan strategi pemasaran yang kurang tepat sasaran. Data penjualan online CV. Restu Tani Jaya saat ini digunakan untuk arsip laporan penjualan saja dan belum diolah secara mendalam untuk menghasilkan informasi penting dalam memahami perilaku pelanggan. Oleh karena itu, diperlukan segmentasi pelanggan berdasarkan Length, Recency, Frequency, dan Monetary (LRFM) dan variabel perilaku transaksi tambahan. Penelitian dilakukan dengan mengikuti tahapan Knowledge Discovery in Database (KDD). Data yang digunakan yaitu data penjualan online dari bulan Januari 2022 hingga September 2025 dengan total 2.393 baris. Metode yang digunakan untuk mengelompokkan pelanggan menggunakan tiga algoritma clustering yaitu K-Means, K-Medoids, dan Agglomerative Hierarchical Clustering (AHC). Hasil algoritma yang menghasilkan performa yang paling stabil Adalah algoritma K-Means yaitu 2 cluster dengan nilai Silhouette Score adalah 0.51161 dan Davies Bouldin Index adalah 0.77046 dengan berdasarkan Customer Loyalty Matrix dan Customer Value Matrix cluster 0 merupakan kelompok pelanggan Core-Spender dengan strategi yang diberikan strategi retensi, sedangkan kelompok pelanggan pada cluster 1 merupakan Lost-Frequent dengan strategi reaktivasi. Hasil dari segmentasi disajikan dalam visualisasi dashboard untuk mempermudah perusahaan dalam pengambilan keputusan.
Optimalisasi Pemanfaatan Aplikasi BAKSO dalam Pelayanan Administrasi Kependudukan di Disdukcapil Kabupaten Lombok Timur Ahmad Al Gazali; Sabaruddin; Rozali Ilham; Ricky
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.8621

Abstract

Penelitian ini dilatarbelakangi oleh belum optimalnya pemanfaatan aplikasi BAKSO dalam pelayanan administrasi kependudukan di Dinas Kependudukan dan Pencatatan Sipil Kabupaten Lombok Timur. Aplikasi BAKSO dikembangkan sebagai inovasi pelayanan digital berbasis desa untuk memperluas akses, mempercepat proses layanan, dan mengurangi ketergantungan masyarakat terhadap pelayanan tatap muka. Namun, pemanfaatannya masih menghadapi sejumlah kendala, seperti rendahnya literasi digital masyarakat, keterbatasan sarana pendukung, kendala teknis aplikasi, serta belum meratanya kesiapan operator desa. Penelitian ini bertujuan untuk menganalisis optimalisasi pemanfaatan aplikasi BAKSO, mengidentifikasi faktor-faktor yang memengaruhinya, serta merumuskan upaya optimalisasi yang dapat dilakukan. Penelitian ini menggunakan pendekatan kualitatif deskriptif. Data diperoleh melalui wawancara, observasi, dan dokumentasi, dengan penentuan informan menggunakan teknik purposive sampling dan snowball sampling. Analisis data dilakukan melalui model Miles dan Huberman dengan bantuan perangkat lunak NVivo 12 Pro. Hasil penelitian menunjukkan bahwa aplikasi BAKSO telah berkontribusi dalam mendekatkan pelayanan administrasi kependudukan kepada masyarakat melalui mekanisme pelayanan berbasis desa. Namun, pemanfaatannya belum optimal karena indikator tujuan, alternatif keputusan, dan sumber daya yang dibatasi belum terpenuhi secara seimbang. Kendala utama terletak pada aspek sumber daya manusia, literasi digital, infrastruktur pendukung, jaringan, dan pemahaman masyarakat. Oleh karena itu, optimalisasi perlu dilakukan melalui peningkatan sosialisasi, penguatan kapasitas operator desa, perbaikan sarana pendukung, serta pengembangan aplikasi secara berkelanjutan.

Page 15 of 15 | Total Record : 147

 11   12   13   14   15 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026 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