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
 4   5   6   7   8 
PERBANDINGAN METODE REGRESI LINEAR DAN K-NEAREST NEIGHBOR (KNN) DALAM MEMPREDIKSI PRODUKSI TANAMAN PADI DI PULAU SUMATERA Muhammad Reefy Hidayatullah
Data Sciences Indonesia (DSI) Vol. 4 No. 2 (2024): Article Research Volume 4 Issue 2, December 2024
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i2.5201

Abstract

Padi merupakan bahan pangan yang sangat penting untuk menunjang kebutuhan pangan di Indonesia, khususnya di Pulau Sumatera. Faktor-faktor yang memengaruhi produksi padi meliputi luas panen, kelembapan, curah hujan, dan suhu rata-rata. Setiap tahun, suhu bumi yang terus meningkat akibat pemanasan global berdampak pada iklim yang fluktuatif, sehingga dapat menghambat produksi padi. Memahami faktor-faktor tersebut menjadi penting untuk pengembangan strategi yang efektif dalam meningkatkan produktivitas padi. Penelitian ini menggunakan bahasa pemrograman Python pada Google Colab untuk membandingkan metode regresi linear berganda dan K-Nearest Neighbors (KNN) dalam memprediksi produksi padi di Pulau Sumatera. Hasil penelitian menunjukkan bahwa metode regresi linear lebih akurat dibandingkan KNN, dengan nilai R² regresi linear sebesar 0,868181, lebih unggul 18,94% dibanding KNN. Selain itu, regresi linear memiliki nilai MAE yang lebih rendah sebesar 22,03% dan nilai MSE yang lebih rendah sebesar 55,49% dibanding KNN. Hasil ini menunjukkan bahwa regresi linear lebih andal dalam memprediksi produksi padi di Pulau Sumatera dan dapat digunakan sebagai alat bantu dalam pengambilan keputusan strategis di sektor pertanian.
Model Prediksi Prestasi Mahasiswa Berdasarkan Evaluasi Pembelajaran Menggunakan Pendekatan Data Science Tommy, Tommy; Husein, Amir Mahmud
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v1i1.1168

Abstract

Perguruan tinggi merupakan satuan penyelenggara pendidikan tinggi sebagai tingkat lanjut jenjang pendidikan menengah di jalur pendidikan formal. Aspek prestasi belajar merupakan salah satu aspek penilaian keberhasilan perguruan tinggi dalam proses belajar. Dalam makalah ini menyajikan hasil analisis hubungan antara pembelajaran dengan prestasi mahasiswa dimana tahapan yang dilakukan menggunakan pendetakan data science. Berdasarkan Analisis data terdapat tiga indikator penting dalam penilaian prestasi belajar yaitu pedagogi, profesional dan kepribadian. Ketiga fitur digunakan sebagai variabel dependen untuk memprediksi prestasi belajar dimana algoritma DecisionTree menghasilkan akurasi lebih baik dari pada model k-nearest neighbors (KNN), Logistic Regression, Support Vector Machine, Naive Bayes dan dengan tingkat akurasi 68%, kemudian KNN dengan akurasi 66% dan lainnya sebesar 55% pada masing-masing algoritma yang diusulkan.
Pendekatan Data Science untuk Menemukan Churn Pelanggan pada Sector Perbankan dengan Machine Learning Husein, Amir Mahmud; Harahap, Mawaddah; Fernandito, Peter
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v1i1.1169

Abstract

Peralihan pelanggan merupakan fenomena dimana pelanggan perusahaan berhenti membeli atau berinteraksi sehingga sangat penting bagi perusahaan khususnya perbankan untuk memprediksi kemungkinan churn pelanggan dan hasilnya dapat digunakan untuk membantu retensi pelanggan dan bagian dari strategi perusahaan. Makalah ini menyajikan analisis dan prediksi churn pelanggan dengan menggunakan lima model berbeda yaitu Kneighbors Classifier, Logistic Regression, Linear SVC, Random Tree Classifier dan Random Forest Classifier. Berdasarkan hasil pengujian pendekatan model Random Forest Classifier dan Kneighbors Classifier lebih baik dari pada model lain dengan akurasi sebesar 86% dan 84%. Rekayasa fitur dengan pendekatan Anova dan Chi Square memiliki pengaruh yang signifikan terhadap peningkatan kinerja model prediksi.
Analisis Wawasan Penjualan Supermarket dengan Data Science Harahap, Mawaddah; Rozi, Fachrul; Yennimar, Yennimar; Siregar, Saut Dohot
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v1i1.1173

Abstract

Data science atau ilmu data adalah suatu disiplin ilmu yang khusus mempelajari data, khususnya data kuantitatif (data numerik), baik yang terstruktur maupun tidak terstruktur. Pemanfaatkan siklus dalam pengembangan analisis untuk membuat keputusan bisnis yang praktis dan berbasis data, dan menerapkan perubahan berdasarkan keputusan tersebut. Makalah ini menyajikan analisis wawasan yang berguna pada kumpulan transaksi penjualan supermarket selama 3 bulan dari 3 cabang yang berbeda. Berdasarkan hasil analisis nilai rating terting adalah 10, terendah 4 dengan rata-rata rating produk 6.9 dan wanita lebih dominan membeli produk Aksesoris Fashion dan pria Kesehatan & Kecantikan
Data Science bidang Pemasaran : Analisis Prilaku Pelanggan Harahap, Mawaddah; Lubis, Yusniar; Situmorang, Zakarias
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v1i1.1194

Abstract

Dalam kegiatan pemasaran digital, data Science (DS) memiliki peran penting dalam memahami kinerja industri pemasaran sebelum menerapkan teknik pemasaran digital pada pemasaran produk. Hal ini dikarenakan setiap pelanggan merespons secara berbeda setiap penawaran. Perilaku pelanggan juga berubah berdasarkan waktu karena mereka mungkin memiliki kebutuhan yang berbeda pada situasi yang berbeda. Pada makalah ini fokus menyajikan analisis bisnis dengan penerapan DS untuk mengeksplorasi pola perilaku dan juga memprediksi bagaimana pelanggan akan merespons penawaran yang berbeda. Penerapan analisis data eksplorasi juga diterapkan untuk menjawab beberapa pertanyaan bisnis, dari hasil pengamatan menghasilkan lima kelompok pelanggan yang disajikan dalam bentuk visualisasi dan model Random Forest Classifier memiliki skor akurasi prediksi terbaik sebesar 91%, kemudian K neighbors Classifier dan Logistic Regression.
Analisis Prediktif untuk Keputusan Bisnis : Peramalan Penjualan Husein, Amir Mahmud; Lubis, Fachrul Rozi; Harahap, Muhammad Khoiruddin
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v1i1.1196

Abstract

Peramalan penjualan produk adalah aspek utama dari manajemen pembelian, persediaan yang melebihi permintaan atau kekurangan akan berdampak pada manajemen pelayanan maupun secara ekominis. Makalah ini fokus mencoba menyajikan penerapan analisis prediktif dengan mengadopsi kerangka kerja Data Science (ilmu data) untuk menemukan wawasan yang berguna dalam pengambilan keputusan bisnis khususnya tentang peramalan penjualan produk di masa depan. Kerangka CRISP-DM diusulkan dengan tahapan pemahasan bisnis, pemahaman dan persiapan data, exploratory data analysis (EDA) dan pemodelan. Berdasarkan hasil pengujian data penjualan yang dievaluasi berdasarkan RMSE dan MAE, algoritma XGBoost menghasilkan prediksi berada dalam 1,3% kemudian ARIMA sebesar 1.6%, masih lebih baik dibandingkan LinearRegression, RandomForestdan LSTM dengan tingkat kesalahan sebesar 1.81%, 1.97%, 2.21% pada masing-masing algoritma dari data aktual.
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, June 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

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.
Penerapan Model Scrum Pada Aplikasi “Tebaran Nusira” di PT.NUSIRA Divisi SHE Simanjuntak, Andre Juan; Sinaga , Candra Julius
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, June 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2266

Abstract

PT.NUSIRA adalah cabang dari PT.MEGATARA TBK yang bergerak dibidang industrialis karet remah (crumb rubber) terbanyak di Indonesia dan di ekspor ke berbagai negara yang memiliki Standar Indonesia Rubber (SIR) dengan menggunakan teknis (Technical Specified Rubber) untuk mewujudkan barang berkualitas sesuai dengan Standar Internasional.Perkembangan aplikasi adalah salah satu contoh yang tidak dapat dihindari, semakin banyak inovasi-inovasi yang dilakukan karyawan agar meminimalisir pekerjaan manusia, agar menjadi cepat dan efektif. Dalam praktek kerja yang terjadi di perusahaan tersebut, minim kebersihan dan perlu dilakukan tindak pencegahan dari perusahaan dan juga bantuan pelaporan dari masyarakat sekitar agar sama-sama memperhatikan kebersihan lingkungan seperti limbah industri yang tidak dikelola dengan baik, namun sulit buat masyarakat untuk menyampaikannya jika tidak ada perantara yang dapat digunakan maupun sesuatu hal yang dapat digunakan untuk disampaikan kepada pihak perusahaan. Jika hal tersebut disampaikan melalui karyawan belum tentu hal tersebut langsung menyampaikan nya kepada bos atau malah bisa terlupakan mengenai kejadian yang lain. Melihat kesempatan tersebut penulis merancang aplikasi dengan menggunakan model Scrum yang mampu melakukan pendekatan pembuatan aplikasi secara dinamis dan cepat, kajian ini menghasilkan implementasi aplikasi yang bernama “Tebaran Nusira” yang mampu menerima aspirasi dengan tujuan memberikan komentar dan juga pendapat masyarakat yang ingin disampaikan kepada perusahaan dalam hal-hal tersebut model ini tepat digunakan karena mengutamakan perulangan atau pengiriman sebuah fitur yang cepat sesuai kegunaannya.
Pembuatan Model Bisnis Proses Aplikasi Tebaran Nusira Dengan Pendekatan BPMN Tampubolon, Mei Monica; Situmorang, Priskila Natalia C
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, June 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2269

Abstract

PT Nusira memiliki kegiatan yang dilaksanakan untuk mengantisipasi adanya kecelakaan kerja dan pencemaran lingkungan selama proses produksi karet dengan melakukan identifikasi dan pelaporan dari penemuan, yaitu tindakan bahaya, kondisi berbahaya, dan pencemaran lingkungan. Ternyata kegiatan ini tidak berjalan baik karena karyawan merasa kesusahan dan malas melaporkan temuan tersebut. Penelitian ini bertujuan untuk mengatasi masalah karyawan dengan membuat aplikasi temuan 5R. Agar dapat mencapai tujuan yang dimaksud, pendekatan yang digunakan dalam penelitian ini adalah dengan menerapkan metode System Development Life Cycle (SDLC) dari metodologi pengembangan Sistem Informasi Prototyping, dan merancang proses bisnis menggunakan BPMN. Dengan merancang proses bisnis pada aplikasi ini menggunakan BPMN, diharapkan proses bisnis pada aplikasi dapat lebih mudah dipahami oleh manager,pembimbing lapangan, dan pengguna dari aplikasi. Hasil penelitian ini berupa model proses bisnis untuk mendistribusikan pengembangan aplikasi yang dapat diimplementasikan di PT Nusira. Penggunaan BPMN dalam pemodelan proses bisnis dianggap lebih praktis karena mampu menggambarkan keseluruhan proses dan memudahkan pemahaman terhadap proses bisnis. BPMN bertujuan sebagai pendukung manajemen proses bisnis bagi pengguna bisnisdengan memberikan notasi yang mudah dipahami, namun mampu mempresentasikan proses semantik yang kompleks. Dengan BPMN setiap pengguna dan pengembang dapat menganalisis fungsi dan kebutuhan sistem pada aktifitas-aktifitas yang ada dalam proses bisnis menjadi lebih jelas dan mudah dipahami. Hal ini membuat BPMN menjadi alat yang berguna dalam meningkatkan produktivitas dan efisiensi proses bisnis pada organisasi.
Penerapan Algoritma K-Means Pada Data Pengangguran Di Jawa Barat N P Dharshinni; Gurbinder Singh; Aldwin Simamora; Johannes April Talian Naibaho; Riama D.Lumban Tobing
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, June 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2767

Abstract

Angka pengangguran adalah satu dari antara masalah yang dihadapi negara berkembang ataupun negara maju. Jika angka pengangguran di suatu negara mencapai angka yang tinggi, maka akan menjadi masalah bagi negara tersebut. Pembayaran pajak negara akan mengalami penurunan yang mengakibatkan penghasilan negara berkurang. Di sisi lain, kualitas tenaga kerja yang tidak memadai juga mempengaruhi tingkatan pengangguran. Seperti masyarakat miskin yang tidak mampu menyekolahkan anaknya atau keterbatasan teknologi untuk mendapatkan ilmu yang berkualitas, masyarakat kelas menengah yang hanya mampu menyekolahkan anaknya sampai SMA dan para mahasiswa yang tidak mampu memenuhi standar prospek kerja. Penelitian ini bertujuan untuk menggambarkan pola dan dampak pengangguran di Provinsi Jawa Barat, Indonesia, dari tahun 2011 hingga 2022, dengan menggunakan metode K-means Clustering. Data yang digunakan dalam penelitian ini berasal dari Open Data Jabar, sebuah sumber data resmi pemerintah. Setelah melalui tahap pra-proses data, algoritma K-means diterapkan untuk mengelompokkan data pengangguran berdasarkan tingkat pendidikan dan kabupaten/kota. Hasil menunjukkan bahwa kabupaten Bogor memiliki angka pengangguran tertinggi pada tahun 2018, jumlah pengangguran di kabupaten Bogor mencapai 136.782 orang. Selain itu, terdapat hubungan antara tingkat pendidikan dan angka pengangguran; semakin tinggi tingkat pendidikan, semakin rendah angka pengangguran. Kabupaten Bogor mencatatkan angka pengangguran tertinggi, terutama di kalangan lulusan SLTA dan SMA. Hasil ini menegaskan pentingnya peningkatan kualitas pendidikan sebagai salah satu cara untuk mengurangi angka pengangguran di Jawa Barat.

Page 6 of 14 | Total Record : 136

 4   5   6   7   8 

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