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
Pengembangan Smart Water Dispenser Berbasis IoT Menggunakan Metode Prototype Rochani, Muhamad Mahmud; Rochani, Muhammad; R, Yusuf
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.v4i1.4046

Abstract

Dalam era digital saat ini, penggunaan teknologi Internet of Things (IoT), dapat mengoptimalkan berbagai aspek kehidupan. IoT diakui sebagai inovasi yang dapat meresap dalam kehidupan sehari-hari untuk memenuhi kebutuhan dan mempermudah pekerjaan, serta mengoptimalkan perangkat melalui sensor, identifikasi frekuensi radio, dan jaringan sensor nirkabel. Sistem dispenser air konvensional biasanya tidak dilengkapi dengan teknologi pemantauan dan kontrol konsumsi air, yang mengarah pada pemborosan air dan kurangnya kesadaran pola konsumsi air pribadi. Untuk mengatasi permasalahan tersebut, peneliti bermaksud untuk mengembangkan Smart Water Dispenser berbasis IoT menggunakan metode prototipe, yang dapat memberikan akses air minum yang efisien dan berkelanjutan bagi mahasiswa, staf, dan pengunjung kampus. Penelitian ini menggunakan metode prototipe dalam pengembangan sistem. Prototipe yang dikembangkan terdiri dari NodeMCU ESP32, modul RFID RC522, sensor ultrasonik HC-SR04, dan aplikasi Blynk IoT yang terhubung dengan Google Firebase untuk pemantauan real-time dan pengelolaan data. Pengujian dilakukan dengan melibatkan 15 mahasiswa yang melakukan uji coba pengambilan air menggunakan gelas berkapasitas 180 ml. Hasil dari penelitian ini menunjukkan bahwa Smart Water Dispenser lebih efisien dibandingkan dispenser konvensional, dengan rata-rata konsumsi air 170 ml per uji coba dan pemborosan minimal 2%, dibandingkan dengan 210 ml dan pemborosan 15% pada dispenser konvensional. Fitur top-up poin dan keamanan akses RFID memastikan manajemen penggunaan air yang lebih terstruktur dan aman
Pengembangan Alat Penghitung Target Produksi Berbasis Internet of Things Menggunakan Metode Prototype ardiyanto, joko; Aziz, Muhammad; R, Yusuf
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.v4i1.4048

Abstract

Perkembangan industri digital di era ini telah mendorong sebuah revolusi dari internet yang disebut sebagai teknologi Internet of Things (IoT). Perkembangan teknologi Internet of Things telah mempengaruhi kemajuan dibidang industri terutama pada industri manufaktur. Pabrik garmen merupakan salah satu industri manufaktur yang penuh dengan aktivitas produksi. Salah satu tantangan yang dihadapi pabrik garmen adalah memastikan bahwa produksi berjalan sesuai dengan target yang telah ditetapkan, namun kenyataan di lapangan sering tidak sesuai dengan ekspektasi. Berdasarkan permasalahan tersebut dibutuhkan alat penghitung target yang secara otomatis dapat menghitung sekaligus memonitoring jumlah produksi. Penelitian ini mengembangkan alat penghitung target produksi berbasis IoT yang dapat menghitung hasil produksi dan mengirimkan notifikasi secara real-time melalui aplikasi telegram menggunakan metode prototype. Alat ini dirancang menggunakan esp8266 sebagai mikrokontroller dan menggunakan sensor proximity e18-d80nk sebagai sensor untuk menghitung jumlah barang hasil produksi. Hasil dari perancangan sistem dan pengujian alat penghitung target produksi berbasis IoT bekerja dengan baik. Berdasarkan pengujian sensor e18-d80nk dalam mendeteksi objek mendapatkan hasil yang baik dengan presentase error 0,005%, sistem bekerja dengan baik dalam mengirimkan notifikasi secara real-time. Pengembangan prototype alat ini diharapkan dapat meningkatkan hasil produksi pada pabrik garmen agar dapat sesuai target.
Sistem Informasi Pemantauan Siswa di Madrasah Aliyah Negeri (MAN) Kabanjahe Dengan Landasan Web Rinaldy, Fahdly; Putri, Raissa Amanda; Sinaga, Imam Adlin
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.v4i1.4092

Abstract

Penelitian ini mengangkat permasalahan terbatasnya teknologi informasi di Madrasah Aliyah Negeri (MAN) 1 Kabanjahe yang menyebabkan ketidakefisienan dalam proses koordinasi antara pihak sekolah dan orang tua siswa terkait absensi, nilai, perilaku, dan pembayaran SPP siswa. Metode panggilan langsung kepada orang tua untuk datang ke sekolah tidak efektif karena banyak orang tua yang sibuk bekerja dan tidak dapat menghadiri panggilan tersebut, sehingga mereka kesulitan memperoleh informasi penting tentang perkembangan belajar anak mereka. Masalah ini mencakup ketidaktahuan orang tua mengenai kehadiran siswa yang sering bolos, nilai siswa yang bermasalah, perilaku siswa yang negatif, serta informasi prestasi dan pembayaran SPP. Situasi ini menekankan perlunya perancangan dan pembangunan Sistem Informasi Monitoring untuk mengawasi data kehadiran, nilai, perilaku, pembayaran SPP, dan informasi lainnya guna meningkatkan efektivitas komunikasi dan pengawasan antara sekolah dan orang tua. Penelitian ini menggunakan metode R&D dengan metode pengumpulan data melakukan observasi, wawancara, studi pustaka, serta dokumentasi, dan menggunakan metode pengembangan sistem berupa metode SDLC Waterfall. Data tersebut digunakan sebagai acuan dalam merancang dan mengimplementasikan aplikasi berbasis web yang sesuai dengan kebutuhan di Madrasah Aliyah Negeri 1 Kabanjahe. Hasil dari penelitian ini adalah sebuah Sistem Informasi Monitoring Siswa berbasis Web guna diimplementasikan pada Madrasah Aliyah Negeri 1 Kabanjahe. Sistem ini akan meningkatkan aksesibilitas informasi siswa, pengelolaan data, serta mempermudah proses pemantauan dan juga evaluasi siswa oleh guru dan pihak terkait. Dengan adanya website ini, diharapkan dapat memberikan manfaat yang signifikan dalam meningkatkan kualitas pendidikan di Madrasah Aliyah Negeri 1 Kabanjahe.
Platform Digital untuk Mengelola Invoice dan Purchase order dengan Efisien di PT. Anugerah Wisnu Wicaksana Kirana, Qisi Desika; Dafitri, Haida; Andriana, Septiana Dewi
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.v4i1.4094

Abstract

PT. Anugerah Wisnu Wicaksana, sebagai penyedia jasa pengiriman yang telah lama berkecimpung dalam industri ini, menghadapi tantangan besar terkait pengelolaan data transaksi. Dengan jumlah pelanggan yang terus bertambah, termasuk baik individu maupun perusahaan, serta volume transaksi harian yang signifikan, kendala-kendala mulai muncul. PT. Anugerah Wisnu Wicaksana telah mengkomputerisasi proses pengelolaan invoice dan purchase order (PO) untuk layanan pengiriman menggunakan Microsoft Word dan Excel. Namun, dalam penerapannya, ada sejumlah kendala yang dihadapi. Salah satunya adalah proses pengetikan dokumen invoice dan purchase order yang harus dilakukan secara manual untuk setiap transaksi. Selain itu, dokumen-dokumen tersebut tidak terorganisir dengan baik karena tidak ada database yang menyimpan data secara terpusat. Untuk mengatasi masalah ini, diperlukan sebuah sistem yang mampu mengelola dan menyimpan data invoice dan purchase order dengan lebih efisien. Dalam rangka itu, PT. Anugerah Wisnu Wicaksana telah memutuskan untuk mengadopsi sistem pengolahan data berbasis website. Sistem ini diharapkan dapat memberikan solusi yang lebih terintegrasi dan terstruktur dalam pengelolaan invoice dan purchase order mereka. Dengan demikian, akses data akan lebih mudah dan efisien. Metode yang dipilih adalah First In First Out (FIFO) dalam antrian pembuatan dan penerbitan purchase order (PO). Sistem ini juga dilengkapi dengan fitur notifikasi penagihan kepada pelanggan menggunakan WhatsApp Gateway. Dengan implementasi sistem ini, diharapkan PT. Anugerah Wisnu Wicaksana dapat meningkatkan efisiensi operasionalnya, mengurangi kesalahan manusia, dan meningkatkan kepuasan pelanggan melalui layanan yang lebih cepat dan terorganisir.
Klasifikasi Tumor Otak pada gambar Magnetic Resonance Images (MRI) dengan Pendekatan Pembelajaran Mendalam Rudiansyah, Rahmad; Husein, Amir
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.v4i1.4265

Abstract

Tumor otak adalah salah satu penyakit paling mematikan dan kompleks yang mempengaruhi jutaan orang di seluruh dunia, sehingga klasifikasi tumor otak yang akurat sangat penting untuk pengobatan yang efektif. Diagnosis dan pengobatan tumor otak sangat menantang, dan kurangnya diagnosis yang akurat dan tepat waktu sering kali menyebabkan hasil akhir yang buruk bagi pasien. Metode diagnostik saat ini, seperti MRI dan CT scan, seringkali tidak memadai untuk klasifikasi tumor otak secara akurat. Keputusan diagnostik sangat bergantung pada interpretasi pemindaian magnetic resonance imaging (MRI). Dalam penelitian, penerapan berbagai model CNN VGG16, Xception, MobileNet dan ResNet50 digunakan untuk klasifikasi tumor otak pada kumpulan dataset 4 kelas yaitu glioma, meningioma, notumor dan pituitary. Semua model di uji dengan berbagai percobaan eksperimental dan hasil pengujian menunjukkan bawah model Xception menghasilkan akurasi terbaik dibandingkan model lainnya.
Analisis Algoritma Logistic Regression dan Support Vector Machine pada Kasus Klasifikasi Citra Hewan Rawa dengan Dataset yang tidak Seimbang Dedy
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.v4i1.4433

Abstract

Penelitian ini bertujuan untuk mengevaluasi kinerja dua algoritma machine learning, Logistic Regression dan Support Vector Machine (SVM), dalam tugas klasifikasi citra hewan rawa menggunakan dataset yang tidak seimbang. Dataset yang digunakan terdiri dari empat kategori hewan rawa: Buaya, Kodok, Kura-kura, dan Ular, dengan distribusi yang sangat tidak merata. Kelas Kura-kura memiliki jumlah sampel yang jauh lebih banyak dibandingkan dengan kelas lainnya, menciptakan tantangan ketidakseimbangan data yang signifikan. Metode penelitian dimulai dengan mengimpor dataset citra hewan rawa ke dalam tool Orange Data Mining, diikuti oleh proses ekstraksi fitur menggunakan SqueezeNet (local) sebagai embedder. Dua model machine learning, yaitu Logistic Regression dan SVM, kemudian dilatih menggunakan fitur yang diekstraksi. Evaluasi model dilakukan dengan menambahkan widget test and score untuk mengukur metrik performa seperti Area Under the Curve (AUC), akurasi klasifikasi (CA), F1-Score, precision, recall, dan Matthews Correlation Coefficient (MCC). Hasil penelitian menunjukkan bahwa Logistic Regression unggul dalam hampir semua metrik evaluasi dibandingkan SVM. Logistic Regression mencapai nilai AUC sebesar 0.985, akurasi klasifikasi 0.908, F1-Score 0.909, precision 0.909, recall 0.908, dan MCC 0.859. Sebaliknya, SVM mencapai nilai AUC 0.971, akurasi klasifikasi 0.863, F1-Score 0.867, precision 0.877, recall 0.863, dan MCC 0.797. Kesimpulan dari penelitian ini adalah bahwa Logistic Regression merupakan model yang lebih tepat untuk tugas klasifikasi citra hewan rawa dengan dataset yang tidak seimbang. Model ini tidak hanya menunjukkan kinerja yang lebih baik dalam membedakan kelas-kelas citra tetapi juga lebih akurat dan seimbang dalam mengklasifikasikan sampel dari kelas minoritas
Klasifikasi Kategori Cuaca Berdasarkan Citra Menggunakan VGG-16 Riyadi, Sugeng; Pardede, Doughlas; Fuad, Raja Nasrul
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.v4i1.4664

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan kondisi cuaca seperti Berawan, Cerah, dan Terbit, menggunakan citra digital dengan pendekatan otomatis berbasis Convolutional Neural Network (CNN). Arsitektur VGG-16 dipilih karena kemampuannya dalam mengekstraksi fitur detail melalui lapisan konvolusional bertingkat. Dataset yang digunakan berisi 910 citra, dibagi menjadi tiga kategori, dan diolah menggunakan VGG-16 untuk menghasilkan vektor fitur berdimensi 4096. Klasifikasi dilakukan dengan jaringan saraf tiruan yang memiliki tiga lapisan tersembunyi, dan evaluasi model menggunakan metode 10-fold cross-validation. Metrik yang digunakan untuk menilai kinerja model adalah akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa VGG-16 mampu mengklasifikasikan citra dengan akurasi sebesar 96,48%, dengan performa terbaik pada kelas Berawan, Cerah, dan Terbit, yaitu masing-masing 96%, 95,5%, dan 97,2%. Meskipun model menunjukkan akurasi tinggi, tantangan masih ada dalam membedakan citra dengan fitur visual yang serupa, seperti intensitas cahaya dan formasi awan. Kesimpulannya, VGG-16 efektif dalam klasifikasi kondisi cuaca berbasis citra digital, namun memerlukan pengembangan lebih lanjut untuk mengatasi kesalahan klasifikasi akibat kemiripan visual antara kategori cuaca
Perbandingan Kinerja Kernel SVM dalam Klasifikasi Kategori Kanker Kulit Menggunakan Transfer Learning Siregar, Muhammad Mizan; Hizria, Rahmatika; Pardede, Doughlas
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.v4i1.4665

Abstract

Penelitian ini mengkaji efektivitas kombinasi transfer learning dengan Support Vector Machines (SVM) untuk klasifikasi kanker kulit. Tujuan utama dari penelitian ini adalah untuk mengklasifikasikan gambar kulit secara akurat ke dalam kelas "jinak" dan "ganas". Model VGG-19 yang telah dilatih sebelumnya digunakan untuk mengekstraksi fitur-fitur mendalam dari gambar kulit, menangkap pola visual yang rumit. Fitur-fitur ini kemudian dimasukkan ke dalam classifier SVM, dengan eksplorasi dilakukan pada kernel Radial Basis Function (RBF) dan Polynomial. Kinerja model-model yang diusulkan dievaluasi menggunakan dataset gambar kulit. Hasil eksperimen menunjukkan bahwa SVM dengan kernel Polynomial mengungguli SVM dengan kernel RBF dalam hal akurasi dan recall, khususnya untuk kelas "ganas". Hal ini menunjukkan bahwa kernel Polynomial lebih baik dalam menangkap hubungan kompleks dalam data. Pendekatan transfer learning, yang memanfaatkan model VGG-19 yang telah dilatih sebelumnya, secara signifikan meningkatkan kemampuan model untuk mengekstraksi fitur yang bermakna dari gambar, berkontribusi pada peningkatan akurasi klasifikasi. Temuan ini menunjukkan bahwa kombinasi transfer learning dan SVM, terutama dengan kernel Polynomial, menawarkan pendekatan yang menjanjikan untuk klasifikasi kanker kulit. Metode yang diusulkan dapat membantu dalam deteksi dini penyakit dan meningkatkan akurasi diagnosis, yang berpotensi mengarah pada hasil pasien yang lebih baik. Penelitian di masa depan dapat mengeksplorasi penggunaan dataset yang lebih besar dan lebih beragam, serta integrasi fitur atau teknik tambahan untuk lebih meningkatkan kinerja klasifikasi.
Klasifikasi Risiko Penyakit Jantung Dengan Multilayer Perceptron Irwan Daniel; Limas Ptr, Agus Fahmi; Ichsan, Aulia
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.v4i1.4667

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, dengan deteksi dini yang seringkali menjadi tantangan karena gejala awalnya yang tidak spesifik. Penelitian ini bertujuan untuk mengevaluasi efektivitas model Multilayer Perceptron (MLP) dalam klasifikasi risiko penyakit jantung dengan membandingkan dua fungsi aktivasi, yaitu ReLU dan Tanh. Dataset yang digunakan terdiri dari 1190 entri dengan 11 fitur kesehatan, yang dibagi dalam rasio 80:20 untuk pelatihan dan pengujian. Model MLP dikembangkan dengan tiga lapisan tersembunyi, dan setiap model diterapkan dengan fungsi aktivasi ReLU dan Tanh untuk mengevaluasi performa masing-masing fungsi dalam mengklasifikasikan risiko penyakit jantung. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model MLP dengan fungsi aktivasi ReLU memperoleh akurasi sebesar 81,51%, presisi 81,77%, dan recall 81,51%, sedangkan model dengan fungsi aktivasi Tanh mencapai akurasi 80,25%, presisi 80,32%, dan recall 80,25%. Perbedaan ini mengindikasikan bahwa ReLU unggul dalam hal akurasi dan metrik evaluasi lainnya, menjadikannya pilihan yang lebih efektif untuk deteksi dini penyakit jantung. Temuan ini memberikan insight berharga tentang bagaimana pemilihan fungsi aktivasi dapat mempengaruhi kinerja model dalam klasifikasi risiko penyakit, serta menggarisbawahi pentingnya pemilihan teknik yang tepat untuk meningkatkan akurasi deteksi dalam aplikasi medis
Awareness and Knowledge of Libyan Women about Endometriosis Eljamay, Salwa Muftah; ELHASSADI , JANNAT EBRAYEK
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2137

Abstract

Endometriosis is a long-lasting state in which endometrial-like tissue is found outside the uterus often on the reproductive organs, bowel, and bladder. Aimed to: To find out the extent to which Libyan women know about endometriosis. Martial & Methods: During the one-year study period [2021 to 2022], answer the questions of questionnaire and interview. Result: Most of the ages were between (16 - 25 Years) 1353(73.5 %), most Education Levels (University) 1357(73.8 %), and Marital Situation the most were (Single) 1467(79.7 %). frequency and percent of Knowledge Questions Most of the answers were “I don’t know” and the answer was “No.” This indicates a lack of information about endometriosis, who suffer from endometrioses were the highest percent 75.5 %, I Don`t know 21.2 %. Percent of education the answer I don`t know 19.4 %, and by no 26.1 %. The Correlations between Knowledge and Education Levels, the p-value > 0.05 means there is no relationship between education level and knowledge of endometriosis. Conclusion: that the educational level has nothing to do with the extent of awareness among women about endometriosis, and therefore we find that the percentage of those suffering from endometriosis is very high, and that women need a lot of awareness and knowledge about the endometriosis disease.

Page 4 of 13 | Total Record : 123