cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Saeful Amri
Contact Email
saefulamri@unimus.ac.id
Phone
+6285640888217
Journal Mail Official
jodi@unimus.ac.id
Editorial Address
Jl. Kedungmundu No. 18 Semarang Indonesia
Location
Kota semarang,
Jawa tengah
INDONESIA
Journal of Data Insights
Published by Universitas Muhammadiyah Semarang
ISSN : -     EISSN : 29882109     DOI : https://doi.org/10.26714/jodi
Core Subject : Science, Education,
Computer Science & IT Mathematics
The Journal of Data Insights is an open access publication for peer-reviewed scholarly journals. The Journal of Data Insights focuses on the processing, analysis and interpretation of data for data-driven decisions and solutions in industry, hospitals, government and universities. All articles should contain a validation of the proposed idea, e.g. through case studies, experiments, or a systematic comparison with other already practiced approaches. Two types of papers will be accepted: (1) a short paper discussing a single contribution to a particular new trend or idea, and; (2) a longer paper outlining a specific Research trends. As part of our commitment to scientific advancement, Journal of Data Insights follows an open access policy, which makes published articles freely available online without subscription.
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 27 Documents
 1   2   3 
A Pengelompokan Kabupaten/Kota di Jawa Tengah Berdasarkan Kepadatan Penduduk Menggunakan Metode Hierarchical Clustering Asyfani, Yusrisma; Manfaati Nur, Indah; Fathoni Amri, Ihsan; Yunanita, Novia; Anggun Lestari , Febi; Aura Hisani, Zahra; Hikmah Nur Rohim, Febrian
Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i1.158

Abstract

Jawa Tengah merupakan provinsi dengan urutan kelima di Indonesia berdasarkan kepadatan penduduk pada tahun 2020 sebanyak 1.113 jiwa/km2. Pengaruh kepadatan penduduk yang tinggi dapat menyebabkan berbagai masalah diantaranya kemacetan,pengangguran,kesehatan,kriminalitas serta permasalahan serius lainnya. Kepadatan penduduk dipengaruhi oleh angka kelahiran,angka kematian serta laju pertumbuhan, Untuk mengevaluasi kepadatan penduduk di provinsi Jawa Tengah, kita perlu mengklasifikasikan/mengelompokkan kabupaten/kota yang berada didalamnya. Pengelompokan ini bertujuan agar kebijakan yang dibuat oleh pemerintah dapat tepat sasaran. Metode yang dapat digunakan untuk pengelompokkan kabupaten.kota di provinsi Jawa Tengah berdasarkan kepadatan penduduknya yaitu Clustering Hierarchical Ward. Dari hasil analisis pengelompokan tersebut kabupaten/kota di provinsi Jawa Tengah dibagi menjadi empat kelompok berdasarkan kepadatan penduduknya.
Pemodelan Seasonal Autoregressive Integrated Moving Average (SARIMA) untuk Meramalkan Volume Angkutan Barang Kereta Api di Pulau Jawa Tahun 2021: Memberikan prediksi volume angkutan barang kereta api di pulau jawa untuk masa mendatang fitriani, ine; Prizka Rismawati Arum; Amri, Saeful
Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i1.167

Abstract

Tujuan penelitian ini untuk meramalkan jumlah angkutan barang menggunakan kereta api di Pulau Jawa. Metode yang digunakan yakni pendekatan kuantitatif dengan memanfaatkan sumber data sekunder dari situs resmi Badan Pusat Statistik (bps.go.id). Hasil penelitian memberikan gambaran jika terdapat prediksi penurunan pada bulan November 2021, yang disertai oleh peningkatan pada periode berikutnya. Dalam upaya peramalan, digunakan model SARIMA(0,1,1)(0,2,0)12. Keputusan menggunakan model ini didasarkan pada parameter yang signifikan serta pemenuhan asumsi terkait residu white noise. Model ini dipilih sebagai model terbaik karena memiliki nilai AIC yang paling rendah dibandingkan dengan model SARIMA lain yang telah melalui uji diagnostik residual
Klasifikasi Dataset Diabetes menggunakan Algoritma K-Nearest Neighbors Musa, Fitri Diana; M. Al Haris; Purwanto, Dannu; Amri, Saeful; Fadlurohman, Alwan; Fitriyana Ningrum, Ariska
Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i1.201

Abstract

Data mining merupakan suatu metode yang baik untuk menangani data skala besar. Performasi menjadi penting dalam metode data mining. Salah satu metode yang memiliki performasi terbaik adalah K-Nearest Neighbor (KNN). Artikel ini membahas terkait performasi K-NN. Data yang digunakan pada penelitian ini adalah Diabetes. Data dibagi menjadi 80% data trainingdan 20% data testing. Dengan menggunakan 11 tetangga terdekat, model menghasilkan akurasi sebesar 0.765625. Angka ini mencerminkan kinerja yang baik. Metrik kritis termasuk akurasi sebesar 0.77, presisi sebesar 0.80, dan recall sebesar 0.85. Hasil ini menunjukkan bahwa model KNN memiliki potensi untuk mengklasifikasikan pasien diabetes dengan akurasi yang baik.
DASHBOARD LINGKUNGAN HIDUP UNTUK ANALISIS DIARE MENGGUNAKAN METODE K-MEANS CLUSTERING Sitti Sahara; Amri, Saeful; Fitriyana Ningrum, Ariska; Purwanto, Dannu
Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i1.210

Abstract

Abstrak Singkat: Diare adalah penyakit umum dengan penyebab yang beragam, termasuk virus, bakteri, dan faktor-faktor lainnya. Faktor-faktor lingkungan, gizi yang buruk, dan kurangnya pengetahuan masyarakat berperan penting dalam tingginya kasus diare, terutama pada anak-anak di bawah lima tahun, di Indonesia. Analisis cluster digunakan untuk mengelompokkan daerah berdasarkan kasus diare dan membantu perencanaan penanggulangan. Penelitian ini menggunakan data BPS 2021 dari 34 provinsi di Indonesia dan berfokus pada faktor penyebab diare. Penelitian ini bertujuan untuk memahami faktor-faktor yang berkontribusi pada kasus diare, dengan harapan dapat merumuskan strategi penanggulangan yang lebih efektif.
Deteksi Kerentanan SQL Injection pada Website Menggunakan Vulnerability Assessment Nova Christina Sari; Achmad Solichan; Basirudin Ansor; Aditya Putra Ramdani; Muhammad Zainudin Al Amin; Mulil Khaira; Auliya Rohman Riquelme Al Ubaidah
Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i1.393

Abstract

Website merupakan sumber informasi yang terus berkembang mengikuti perkembangan teknologi dimasa sekarang, dan penggunaan website telah banyak diterapkan di berbagai bidang. Penggunaan cyber security berkembang sangat pesan mengikuti perkembangan teknologi dan penelitian-penelitian dalam tema cyber security semakin banyak. Metode vulnerability asesement dalam penelitian ini digunakan untuk melakukan scanning terhadap suatu website untuk mendeteksi kerentananan website tersebut terhadap SQL Injection. SQL Injection. SQL Injection merupakan salah satu teknik peretasan dengan cara menyalahgunakan celah keamanan yang ada di lapisan SQL berbasis data pada suatu aplikasi atau website. Vulnerability scanner menggunakan Zap, memberikan hasil 22 alert, 3 diantaranya memiliki kerentanan yang tinggi (high risk). Hasil dari kerentanan website memiliki SQL Injenction yang tinggi. Terdapat 5 dari 10 ancaman yang terdapat pada OWASP Top 10
Decision Tree Classification Prediction of Covid-19 Cases in Indonesia: Prediksi Kasus Covid-19 di Indonesia Menggunakan Metode Klasifikasi Decision Tree Arafat, Amaliah Sholeha; Anawai Basman, Aprilla; Fauzi, Fatkhurokhman; Amri, Saeful
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.213

Abstract

Forecasting is the prediction of an event in the present and future using past event data. The purpose of forecasting is to minimize errors in predictions (forecast errors) to provide a higher level of confidence. In the context of the COVID-19 pandemic, forecasting the number of cases can help anticipate surges, allowing for better-preparedness to minimize its impact. Forecasting methods can be categorized into three common classifications: qualitative methods, time series, and causal methods. Time series methods are further divided into statistical methods and machine learning. Machine learning methods are more effective in forecasting as they can accommodate non-linear and complex relationships between inputs and outputs. One of the machine learning methods used is the Decision Tree, which is a predictive model structured in a tree or hierarchical format. The Decision tree is a data processing method for predicting the future by constructing classification and regression models in a tree structure. The decision tree is also the most popular and easily understood classification method. In this study, a classification decision tree is used to forecast positive COVID-19 cases in Indonesia using the Python programming language.
Forecasting Red Onion Prices in Riau Islands Using the Seasonal Autoregressive Integrated Moving Average (SARIMA) Method: Peramalan Harga Bawang Merah di Kepulauan Riau Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA) Inta Nur Kholifah, Revika; athoni Amri, Ihsan F; Al Haris, M; Izzah, Nasyiatul; Fazza Baita, Miftakhiyah; Nurhalisa, Siti
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.412

Abstract

The price of shallots is one of the crucial commodities that affects economic stability and community welfare in the Riau Islands. The main factors influencing shallot production are seed variety, land, and weather. This study aims to forecast the price of shallots in the Riau Islands using the Seasonal Autoregressive Integrated Moving Average (SARIMA) method. The data used in this study is sourced from official data and covers a specific period to ensure the accuracy of the forecasting model. The SARIMA (0 1 1) (0 1 1)5 model with the smallest AIC of 2211.59 was selected as the best model based on data analysis and model performance evaluation, with a Mean Absolute Percentage Error (MAPE) of 2.690835 percent, indicating that the model's ability to predict shallot prices in the Riau Islands is very accurate. The prediction results indicate that the price of shallots will decrease in the coming days according to the developed model. Based on these results, this forecast is expected to serve as a reference for the government and market participants in decision-making related to the production, distribution, and control of shallot prices in the Riau Islands.
Fuzzy Gustafson Kessel for Infrastructure Development Strategy in South Sumatra Province: Fuzzy Gustafson Kessel Untuk Strategi Pembangunan Infrastruktur Di Provinsi Sumatera Selatan Ningrum, Ariska Fitriyana; Rahma Dhani, Oktaviana; Anggun Lestari, Febi; Aura Hisani, Zahra; Fadlurohman , Alwan
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.650

Abstract

Infrastructure development is a strategic element in improving public services and economic growth. South Sumatra Province, with its large economic potential, faces challenges in managing efficient and sustainable infrastructure development. This research aims to apply the Fuzzy Gustafson Kessel (FGK) method in decision making related to infrastructure development in South Sumatra Province. FGK combines fuzzy logic with Gustafson Kessel clustering algorithm to handle uncertainty and data variation from various stakeholders. The data used in this study includes population and geographic census data from the Central Bureau of Statistics of South Sumatra Province in 2023, with five indicators: population, area, population growth rate, population density, and poverty rate. The results show that South Sumatra is divided into three main clusters based on its infrastructure and demographic characteristics. This clustering is expected to improve the effectiveness and efficiency of infrastructure development decision-making, provide more appropriate policy recommendations, and potentially be applied in other regions with similar challenges.
Application of Random Forest Method to Analyze the Effect of Smoking History on The Type and Outcomes of TB Examinations: Penerapan Metode Random Forest Untuk Menganalisis Pengaruh Riawayat Merokok Terhadap Tipe dan Hasil Pemeriksaan Pasien TBC Purwanto, Dannu; Yunanita, Novia
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.651

Abstract

Tuberculosis (TB) continues to pose a major global health challenge, especially in developing countries. One of the key risk factors that exacerbates the condition of TB patients is smoking, which increases susceptibility to infections and worsens disease prognosis. This study aims to evaluate the influence of smoking history on the type and outcomes of TB diagnoses using a Random Forest machine learning model. The dataset comprises information from TB-diagnosed patients, including demographic details such as age, gender, smoking status, patient type, and diagnostic results. The Random Forest model achieved an accuracy of 87.36%, performing best in classifying non-TB-infected patients. However, the model struggled to accurately identify healthy individuals without TB, likely due to data imbalance. This research offers fresh insights into the potential of machine learning to enhance TB diagnosis and prevention, while deepening the understanding of smoking as a risk factor in TB management.
Comparison of Holt-Winters Exponential Smoothing (HWES) and Singular Spectrum Analysis (SSA) Methods in Forecasting the Number of Passengers at PT KAI in Indonesia: Perbandingan Metode Holt-Winters Exponential Smoothing (HWES) Dan Singular Spectrum Analysis (SSA) Pada Peramalan Jumlah Penumpang PT KAI di Indonesia Ulinuha, Samikoh; Wahyu Utami, Tiani; Arum, Prizka Rismawati; Purwanto, Dannu
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.654

Abstract

Penelitian ini mengkaji penerapan dua metode peramalan, yaitu Holt Winters Exponential Smoothing (HWES) dan Singular Spectrum Analysis (SSA), dalam meramalkan jumlah penumpang di PT Kereta Api Indonesia. Hasil penelitian menunjukkan bahwa penerapan metode HWES dengan model additive menghasilkan nilai parameter pemulusan optimal dengan alpha , beta dan gamma model ini memiliki nilai MAPE sebesar 10.75%. Sementara itu, pada HWES model multiplicative menghasilkan nilai parameter pemulusan alpha , beta dan gamma , menghasilkan nilai MAPE 14.50%. Metode SSA dengan window length menghasilkan nilai MAPE 13.33%. Perbandingan nilai MAPE anatara metode HWES additive, HWES multiplicative dan SSA menunjukkan bahwa HWES additive lebih unggul dengan MAPE sebesar 10.75%. Peramalan jumlah penumpang Kereta Api Indonesia menggunakan metode terbaik Holt Winters Exponential Smoothing Additive untuk periode Januari hingga Desember 2024 memperlihatkan variasi jumlah penumpang terendah pada bulan Agustus dan tertinggi pada bulan Januari.

Page 2 of 3 | Total Record : 27

 1   2   3 

Filter by Year

2023 2025


Reset
Filter By Issues
All Issue Vol 3 No 1 (2025): Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights Vol 1 No 2 (2023): Journal of Data Insights Vol 1 No 1 (2023): Journal of Data Insights