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 136 Documents
 1   2   3   4   5 
How of COVID-19 Epidemic Spread and the effect of Heritance factor Aburas, Omaro A.; Dhaw, Abtisam Miftah; Boras, Emhamed; Eljamay, Salwa Muftah; Elhsadi, Rabie A Ali
Data Sciences Indonesia (DSI) Vol. 2 No. 2 (2022): Article Research Volume 2 Issue 2, Desember 2022
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i2.1934

Abstract

This study focuses on to Coronavirus (COVID-19) as an epidemic disease, Aims to how can spread in Libya, Methods and Materials: 21 coronaviruses (COVID-19) patients the age range from 16 years to 72 years old found that incidence compared to the age group highest in age between 31-45 years and above, and the lowest percentage was in the immersive group between the age 16-30 years and less than 16 years and on another side, Results: found that the rate of spread rapid of the Coronavirus (COVID 19) in females is higher than that of males as the ratio 2:1, that 66.7% for females, and 33.3% for males. On the other hand, (CPR, and D-Dimer) are methods to detect cases of COVID-19, it found that 43% of patients with high CRP, while 57% of patients with normal CRP. The Dimer, nearly two-thirds 13 (61.9%) of the patients have normal D -dimer, while eight (38.1%) patients had high D –dimer, 24% of patients are admitted to the intensive care unit, while 76% of patients don’t admit to the intensive care unit. Conclusion: the relationship between viral infection and heritance also females are more exposed to infection than males. Knowledge of diagnostic tests for COVID-19 continues to evolve and, from one perspective, highlights the need for them for local validation of positive and negative Ct cutoff values when setting up RTq PCR tests for the detection of SARSCoV2
Web-Based Caricature Sales Information System Using the FAST Method Siregar, Nabilah Dewani Adha; Elsera, Marina; Hadinata, Edrian
Data Sciences Indonesia (DSI) Vol. 2 No. 2 (2022): Article Research Volume 2 Issue 2, Desember 2022
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i2.1998

Abstract

The use of information technology has become widespread throughout all sectors of society, including government, business, healthcare, and education. Dalis Art Medan is a digital art-focused online store that opened its doors in 2017. Dalis Art's current sales system still relies on Facebook and Instagram because it does not yet have e-commerce, which results in low sales. Reporting mistakes are common since Dalis Art sales transaction data is still manually entered. E-commerce has been suggested as a solution to Dalis Art's issue with developing its sales operation. The FAST (Framework for the Application of Systems Thinking) methodology is used in this study. The FAST technique incorporates system users more actively in each stage of system development, is more adaptable, can be produced with other methods, and can be customized to the author's standard demands. The goal of this study is to make it easier for customers to learn about and purchase products from Dalis Art. Benefits might give consumers quick access to information on the items in Dalis Art. The study's findings demonstrate how fast and accurately a web-based sales information system, including details on products, ordering procedures, and payments, can be accessible via this method.
Analisis Peramalan (Forecasting) Penjualan Dengan Metode ARIMA (Autoregressive Integrated Moving Average) Pada Huebee Indonesia Hassyddiqy, Hasbi; Hasdiana, Hasdiana
Data Sciences Indonesia (DSI) Vol. 2 No. 2 (2022): Article Research Volume 2 Issue 2, Desember 2022
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i2.2022

Abstract

Perencanaan produksi sangat dibutuhkan bagi pihak usaha Huebee Indonesia untuk meningkatkan pelayanan produksi pakaian. Permintaan konsumen selalu tidak menentu atau berubah-ubah disetiap periode berikutnya. Dengan adanya peramalan, pihak Huebee Indonesia dapat mengetahui perkiraan jumlah produksi pakaian yang akan dilakukan di masa yang akan mendatang. Dengan peningkatan jumlah produksi pakaian yang di hasilkan, Huebee Indonesia dapat menambah karyawan untuk keberlangsungan produktivitas usahanya. Oleh karena itu, dibutuhkan metode peramalan yang memiliki tingkat akurasi yang tinggi dan memiliki error yang minimum. Tujuan dari penelitian ini adalah melakukan peramalan penjualan dan produksi pakaian pada usaha Huebee Indonesia Dengan Metode ARIMA. Analisis data dalam penelitian ini menggunakan metode time series dengan analisis ARIMA (Autoregressive Integrated Moving Average). Hasil dari penelitian ini adalah penjualan Huebee Indonesia mengalami peningkatan setiap bulannya untuk 3 bulan. Untuk hasil peramalan penjualan per item akan mengalami penurunan pada model yang sudah banyak terjual pada 3 periode sebelumnya.
Sentiment Analysis of Indonesia Covid-19 Vaccine on Twitter Using Naïve Bayes Classifier Muhammad Ridho; Amir Mahmud Husein; Yennimar; Vivian Benita Halawa; Nova Anjelia Pasaribu; Suraj Kumar
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.2959

Abstract

Analisis sentimen merupakan suatu teknik untuk menggali informasi berupa pandangan (sentimen) seseorang terhadap suatu isu atau peristiwa. Analisis sentimen dapat dilakukan pada media sosial Twitter dengan memanfaatkan Tweet dari pengguna dengan menghasilkan klasifikasi berupa penilaian positif, negatif atau netral. Salah satu topik yang bisa dianalisis adalah program vaksinasi COVID-19. Dengan banyaknya jenis atau merek dagang pada vaksin, hal ini menimbulkan permasalahan terkait dengan beragamnya opini masyarakat terhadap vaksin tersebut. Penelitian ini bertujuan untuk mengetahui keakuratan metode yang digunakan terhadap hasil klasifikasi pada analisis sentimen masyarakat mengenai vaksin di media sosial Twitter. Metode yang digunakan dalam penelitian ini adalah Naive Bayes Classifier. Penerapan metode ini digunakan pada dataset yang diperoleh dengan melakukan crawling pada data tweet terkait topik vaksin covid-19. Jumlah dataset yang berhasil diperoleh sebanyak 8000+ tweet mulai tanggal 15 hingga 24 Desember dengan proses pengambilan manual karena keterbatasan pengambilan tweet. Hasil akurasi metode Naive Bayes Classifier sebesar 0,93 (93%) dengan perolehan klasifikasi jumlah tweet berlabel positif 2275 (60,2%), negatif 201 (5,3%), dan netral 1304 (34,5%). ). Berdasarkan akurasi tinggi yang dihasilkan dari penerapan metode NBC pada penelitian ini, maka metode NBC sangat dipertimbangkan untuk mengklasifikasikan label untuk analisis sentimen pada topik vaksin covid-19.
Implementasi Algoritma Linear Regression untuk Prediksi Produksi Tanaman Padi di Kabupaten Grobogan Adin Musababa, Muhammad
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.3118

Abstract

produksi beras di Indenesia memiliki jumlah yang sangat besar, hal ini dibuktikan dengan posisi Indonesia yang menempati posisi ke tiga dalam jumlah produksi tanaman padi setelah Cina dan India. Pada daerah penelitian ini sendiri yaitu Kabupaten Grobogan menempati posisi pertama di Provinsi Jawa Tenggah. Namun produksi padi di Indonesia mengalami penurunan dalam setiap tahunnya. Serta semakin meningkatnya jumlah penduduk membuat kebutuhan padi meningkat, namun alih fungsi lahan pertanian menjadi non pertanian membuat jumlah produksi padi juga berkurang. Sehingga produksi dala tahunnya tidak memnentu, yang menyebabkan kebutuhan beras dalam rentangnya ketahanan panggan di Indonesia. Untuk masalah mengatasi masalah tersebut salah satu solusinya adalah dengan membuat sistem prediksi produksi padi. Sistem yang akan dibangun berbasis Machine Learning, dengan mengunakan algoritma Regresi Linier. Sistem ini akan di latih menggunakan data yang yang di dapatkan dari suber Badan Pusat Statistika(BPS) kabupaten Grobogan dan Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Data terset diambil menurut kecamatan di Kabupaten Grobogan dengan dalam rentang waktu 2011-2021, dengan mengambil variable terkait faktor-faktor produksi padi yaitu luas panen, suhu, temperatur, curah hujan dan sebagai variable dependent adalah produksi padi. Setalah data tersebut dinyatakan baik dan telah di lakukan proses penyesuaian maka data akan dilakukan proses pmebuatan model Regresi Linier. Setalah model selesai di buat, model akan di lakukan proses evaluasi model dalam evaluasi model ini model mendapatkan nilai MSE dan MAE yang rendah dan nilai akurasi pada R2 sebesar 62%, menunjukkan bahwa model ini memiliki akurasi prediksi yang cukup bagus. Model dapat memprediksi dengan cukup bagus setalah melakukan proses uji model. Dari pebuatan model tersebut dapat disimpulkan bahwa pebuatan sistem prediksi pruduksi tanaman padi ini bisa menjadi salah satu solusi untuk rumusan masalah yang melatar belakangi penelitian ini.
Penerapan Time Series Forecasting untuk Memprediksi Pertumbuhan Ekonomi Indonesia 2024 Ningrum, Debby; Ruth Maharani Aquilia Hutagaol; Azwar Muhtar
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.3263

Abstract

Pertumbuhan ekonomi suatu daerah adalah indikator utama untuk mengukur potensi pembangunannya. Pembahasan awal Asumsi Dasar Makroekonomi RAPBN 2024, pemerintah dan Komisi XI DPR menetapkan target pertumbuhan ekonomi antara 5,1% hingga 5,7%, sementara Gubernur Bank Indonesia (BI), Perry Warjiyo, menyarankan target 5,6%, konsisten dengan perkiraan BI 4,7% hingga 5,5% untuk tahun 2024. Bank Dunia pada Global Economic Prospects June 2023 memperkirakan pertumbuhan ekonomi negara sebesar 4,9%.. Penelitian ini bertujuan untuk membuktikan asumsi di atas yang menyatakan bahwasanya pertumbuhan ekonomi Indonesia tahun 2024 diproyeksikan berada direntang 4,7% – 5,7%. Analisis yang digunakan adalah SARIMA (Seasonal Autoregressive Integrated Moving Average), dengan data yang digunakan merupakan data Total PDB (Produk Domestik Bruto). Hasil dari penelitian ini adalah perekonomian Indonesia akan mengalami perlambatan pertumbuhan ekonomi, dengan angka estimasi 3,24%. Perlambatan pertumbuhan ekonomi yang diestimasi dapat menjadi tanda ketidakpastian dan risiko ekonomi yang mungkin dihadapi Indonesia.
PERBANDINGAN KINERJA ALGORITMA RANDOM FOREST CLASSIFIER DAN LIGHTGBM CLASSIFIER UNTUK PREDIKSI PENYAKIT JANTUNG Duran, Filbert; Wijaya, Frederico; Hulu, Yakin Rianto; Harahap, Mawaddah; Prabowo, Agung
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.3831

Abstract

Penyakit jantung merupakan masalah kesehatan serius yang dapat dicegah dan diobati. Dengan menjaga gaya hidup sehat, melakukan pemeriksaan kesehatan secara rutin, dan mengikuti anjuran dokter[1], risiko penyakit jantung dapat dikurangi. Random Forest Classifier (RFC) bagaikan hutan pohon keputusan yang bekerja sama untuk menghasilkan prediksi yang lebih jitu. Algoritma ini tergolong handal dan fleksibel, mampu menangani berbagai tugas klasifikasi dan regresi. Kelebihannya, RFC menawarkan akurasi tinggi, tahan terhadap overfitting, dan mudah diinterpretasikan[2]. RFC adalah algoritma machine learning yang kuat dengan banyak keunggulan, namun perlu dipertimbangkan pula keterbatasannya dalam hal komputasi dan fleksibilitas[3]. LightGBM merupakan algoritma machine learning yang kuat dan efisien untuk klasifikasi dan regresi. Kecepatan, akurasi, dan kemudahan penggunaannya menjadikannya pilihan yang menarik untuk berbagai aplikasi[4]. Dari hasil yang didapat dari penelitian ini adalah metode RFC dan LightGBM dapat disimpulkan bahwa metode RFC merupakan metode yang tergolong efektif dalam analisis penyakit jantung dengan akurasi prediksi dari model adalah 95,37%., dapat dikatakan bahwa metode Random Florest Classifier cocok untuk melakukan analisis penyakit jantung bedasarkan dataset yang ada.
Klasifikasi Buah Guava Menggunakan Computer Vision Zizwan Putra, Adya; Harahap, Mawaddah; Husein, Amir; Simarmata, Allwin
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.4006

Abstract

Penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi buah guava menggunakan teknologi computer vision. Klasifikasi buah guava yang akurat dan otomatis dapat membantu dalam proses identifikasi buah guava yang baik kualitasnya dan dapat digunakan dalam industri pertanian, perdagangan buah-buahan, serta penelitian lanjutan. Metode yang digunakan dalam penelitian ini melibatkan beberapa langkah. Pertama, dilakukan pengumpulan data citra buah guava yang meliputi variasi jenis guava yang berbeda serta berbagai kondisi pencahayaan dan latar belakang. Data citra tersebut kemudian diolah dan dipreproses untuk mengurangi derau dan meningkatkan kualitas citra. Setelah proses ekstraksi fitur selesai, dilakukan pelatihan model klasifikasi menggunakan data citra buah guava yang telah diklasifikasikan secara manual oleh ahli. Model klasifikasi yang terlatih kemudian diuji menggunakan data citra buah guava yang belum pernah dilihat sebelumnya untuk mengukur tingkat akurasi dan performa sistem. Hasil penelitian ini diharapkan dapat menghasilkan sistem klasifikasi buah guava yang akurat dan dapat diandalkan. Dengan menggunakan teknologi computer vision, proses identifikasi buah guava dapat dilakukan secara cepat dan otomatis. Keberhasilan penelitian ini dapat memberikan kontribusi dalam meningkatkan efisiensi industri pertanian dan perdagangan buah-buahan, serta memberikan landasan bagi penelitian lebih lanjut dalam bidang pengolahan citra dan pengenalan pola.
Penerapan Metode Computer Vision Dalam Klasifikasi Buah Jeruk Menggunakan Teknik Image Pre-Processing Simarmata, Allwin; Putra, Adya; Husein, Amir
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.4010

Abstract

Buah jeruk telah menjadi salah satu buah yang sangat populer dan dikenal di seluruh dunia. Dikenal karena rasa segarnya dan kandungan nutrisi yang tinggi, tanaman ini banyak diolah dan diproduksi ke dalam pengemasan minuman dan sebagai bahan pangan lainnya. Selain itu, jeruk juga memiliki variasi bentuk, ukuran, dan warna yang khas, sehingga menjadi objek yang menarik untuk diklasifikasikan menggunakan metode computer vision. Untuk memilih buah jeruk yang baik, konsumen masih menggunakan metode manual dengan menilai manisnya buah jeruk berdasarkan warnanya. Namun, pendekatan manual ini seringkali tidak efektif. Oleh karena itu, penelitian ini bertujuan untuk mengaplikasikan konsep dan analisis preprocessing citra dalam meningkatkan klasifikasi buah jeruk berdasarkan bentuk, ukuran, dan warna. Penelitian ini mengimplementasikan serangkaian teknik image pre-processing untuk mempersiapkan dan memodifikasi data gambar buah jeruk sebelum masuk ke dalam model atau algoritma pembelajaran mesin. Beberapa teknik pre-processing yang digunakan meliputi konversi ke skala abu-abu, normalisasi intensitas piksel, data augmentation, dan standarisasi gambar. Dalam pengolahan citra, penelitian ini menggunakan konsep dan teori pengolahan citra digital (PCD) yang terkait dengan interpretasi warna menggunakan Hue, Saturasi, dan Value (HSV).
Sistem Informasi Layanan Pengaduan Konsumen berbasis Android melalui UPT. PK Medan Disperindag Sumatera Utara Amalia, Novita; Samsudin, Samsudin; Alda, Muhamad
Data Sciences Indonesia (DSI) Vol. 4 No. 1 (2024): Article Research Volume 4 Issue 1, June 2024
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i1.4044

Abstract

Di era globalisasi, teknologi informasi (TI) berkembang sangat pesat, mendorong perusahaan dan pemerintahan untuk terus memperbarui kegiatan bisnis agar tidak ketinggalan zaman. Dalam pelayanan, banyak yang sudah menggunakan TI untuk mempermudah kegiatan layanan, namun UPT Perlindungan Konsumen Medan masih menggunakan metode manual dalam pengelolaan pengaduan konsumen, sehingga pelayanan pengaduan masih belum efektif. Terdapat masalah signifikan dalam pengelolaan pengaduan konsumen karena hanya ada empat UPT Perlindungan Konsumen di Sumatera Utara (Medan, Siantar, Kisaran, dan Sibolga), yang menyebabkan konsumen dari wilayah yang lebih luas harus datang langsung ke UPT untuk mengajukan pengaduan, memakan waktu dan biaya besar. Selain itu, sistem pelayanan di UPT PK Medan masih manual dan belum terotomatisasi, mengakibatkan pelayanan yang kurang efektif dan efisien serta menyulitkan pegawai dalam menjalankan tugas mereka. Menyadari kesulitan ini, penulis memutuskan untuk mengembangkan sistem baru. Dalam pengembangan, sistem informasi yang ada akan diperbarui menjadi aplikasi berbasis Android dengan menerapkan algoritma First In First Out (FIFO). Dengan dibangunnya sistem ini diharapkan dapat mempermudah konsumen dalam mengajukan pengaduan di UPT Perlindungan Konsumen Medan tanpa harus datang langsung, serta mempercepat penanganan pengaduan. Sistem ini dibangun menggunakan Android karena sifatnya yang open-source dan kemampuannya memudahkan masyarakat mengakses layanan melalui smartphone di mana pun dan kapan pun, serta lebih efisien digunakan oleh masyarakat. Tujuan dari aplikasi ini adalah untuk memfasilitasi konsumen dalam menyampaikan pengaduan secara efisien, dengan memastikan bahwa pengaduan yang masuk diproses berdasarkan urutan antrian.

Page 3 of 14 | Total Record : 136

 1   2   3   4   5 

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