cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Arya Samudra Mahardhika
Contact Email
arya@universitasputrabangsa.ac.id
Phone
+6285879581454
Journal Mail Official
lppm@universitasputrabangsa.ac.id
Editorial Address
Universitas Putra Bangsa Jl. Ronggowarsito No. 18, Pejagoan Kebumen
Location
Kab. kebumen,
Jawa tengah
INDONESIA
Journal of Data Science Theory and Application
Published by Universitas Putra Bangsa Kebumen
ISSN : 28294858     EISSN : 28294858     DOI : https://doi.org/10.32639/jasta.v2i1
Core Subject : Science, Social,
Computer Science & IT Decision Sciences, Operations Research & Management Social Sciences
Journal of Data Science Theory and Application is an open-access scientific journal intended to bring together researchers and practitioners dealing with the general field of computing, including but is not limited to the following topics:Tools and Applications in Data Science, Theoretical in Data Science, Big Data Analytics, Computational Data Science, Computational Linguistics, Data Clustering and Classifications, Data Mining and Data Analytics, Data Visualization, Information Science, Artificial Intelligence, Machine Learning and Knowledge Discovery, Deep Learning, Financial Modeling, Decision Support System, Architecture, Management and Process for Data Science, Modeling and Simulation
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 45 Documents
 1   2   3   4   5 
ANALISIS DISTRIBUSI BEBAN KENDARAAN DENGAN GREEDY KNAPSACK DAN OPTIMALISASI RUTE MENGGUNAKAN ALGORITMA GENETIKA PADA PENGIRIMAN LOGISTIK DI BANDUNG RAYA Farsya, Najwa Laila; Fatia Amalia Maresti; Neng Nida Maulida; Kiki Mustaqim; Triantya Wahyu Wirati
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/rvzmqa26

Abstract

Efisiensi rute pengiriman merupakan faktor kunci dalam meningkatkan performa sistem logistik modern, khususnya dalam menghadapi tantangan biaya operasional dan tuntutan pengiriman tepat waktu. Strategi alokasi kendaraan dan penentuan rute yang optimal menjadi aspek penting dalam merancang sistem distribusi yang efektif. Penelitian ini menyajikan sebuah pemodelan berbasis simulasi untuk mengoptimalkan alokasi dan rute pengiriman barang jalur darat dengan menggabungkan pendekatan Greedy Knapsack dan Algoritma Genetika. Greedy Knapsack dimanfaatkan untuk membagi beban pengiriman ke dalam kendaraan secara efisien berdasarkan kapasitas angkut, sehingga pembentukan batch pengiriman menjadi lebih proporsional dan tidak timpang. Selanjutnya, Algoritma Genetika digunakan untuk mencari urutan rute terbaik yang harus dilalui setiap kendaraan dengan mempertimbangkan jarak antar titik secara menyeluruh. Pemodelan ini diuji menggunakan skenario data logistik terstruktur yang telah direkayasa menyerupai kondisi operasional nyata, mencakup informasi lokasi, kapasitas kendaraan, bobot pengiriman, serta titik awal dan akhir distribusi. Proses simulasi dilakukan secara bertahap, mulai dari alokasi kendaraan hingga pencarian rute optimal. Hasilnya menunjukkan bahwa pendekatan gabungan ini mampu menghasilkan solusi yang lebih efisien dalam hal jarak tempuh dan pemanfaatan kendaraan, jika dibandingkan dengan distribusi tanpa strategi algoritmik. Temuan ini memberikan gambaran bahwa pemanfaatan algoritma kombinasi memiliki potensi besar dalam mendukung sistem pengambilan keputusan pada proses logistik, khususnya pada tahap perencanaan pengiriman.
KLASIFIKASI DEPRESI PADA PELAJAR BERSDASARKAN GAYA HIDUP MENGGUNAKAN METODE TREE-BASED Haq, Dina Zatusiva; Bagus, Yerezqy; Maharani, Masti Fatchiyah; Dica Fitrani, Laqma; Pratama, Moch Deny
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/enqnkx98

Abstract

Depresi pada mahasiswa merupakan salah satu masalah kesehatan mental yang berdampak signifikan terhadap kualitas pendidikan dan produktivitas. Penelitian ini bertujuan untuk mengklasifikasikan depresi berdasarkan faktor gaya hidup menggunakan metode tree-based machine learning, yaitu Decision Tree, Random Forest, XGBoost, dan LightGBM. Data yang digunakan adalah Depression Student Dataset dengan 502 sampel yang mencakup atribut demografis, akademik, dan gaya hidup. Proses penelitian meliputi preprocessing data, pembagian data latih dan uji, pembangunan model, serta evaluasi menggunakan metrik akurasi, sensitivitas, dan spesifisitas. Hasil pengujian menunjukkan bahwa XGBoost memberikan performa terbaik dengan akurasi 94%, sensitivitas 100%, dan spesifisitas 87%, diikuti oleh LightGBM dengan akurasi 92%. Temuan ini menegaskan bahwa algoritma berbasis boosting lebih unggul dibandingkan metode pohon tunggal maupun bagging, sehingga dapat dimanfaatkan sebagai alat bantu deteksi dini depresi pada mahasiswa. Penelitian ini berkontribusi pada pengembangan model prediktif berbasis data yang mendukung pencapaian Sustainable Development Goals (SDG) terkait pendidikan berkualitas dan pekerjaan layak.
ANALISIS KUALITAS PERANGKAT LUNAK LEARNING MANAGEMENT SYSTEM BERBASIS WEB DALAM MENDUKUNG SDG’S 4 (QUALITY EDUCATION) MENGGUNAKAN ISO/IEC 25010 BAGUS, YEREZQY; Haq, Dina Zatusiva; Fitrani, Laqma Dica; Maharani, Masti Fatchiyah
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/z69ayx52

Abstract

Sustainable Development Goals (SDGs) Goal 4 emphasizes the importance of inclusive and equitable quality education. The utilization of information technology, particularly web-based Learning Management Systems (LMS), plays a significant role in supporting sustainable and accessible education. This study aims to analyze the software quality of a web-based LMS in supporting SDGs 4 (Quality Education) using the ISO/IEC 25010 standard. A quantitative research method with a survey approach was employed. Data were collected through questionnaires distributed to 40 LMS users consisting of students and lecturers. The software quality aspects analyzed include functional suitability, usability, reliability, and maintainability. The results indicate that the LMS demonstrates good overall software quality, with functional suitability and usability achieving very good ratings. However, reliability and maintainability aspects still require improvement to ensure long-term system sustainability. This study is expected to serve as a reference for the development and evaluation of sustainable educational software systems.
PERBANDINGAN LSTM DAN PROPHET DALAM PREDIKSI TREN BAJU LEBARAN 2026 BERBASIS GOOGLE TRENDS Maharani, Masti Fatchiyah; Laqma Dica Fitrani; Yerezqy Bagus; Dina Zatusiva Haq
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/tgeq5784

Abstract

Tren busana Lebaran di Indonesia menunjukkan pola musiman yang kuat dan berulang setiap tahun, sehingga prediksi yang akurat menjadi penting bagi perencanaan produksi dan strategi bisnis industri fesyen. Penelitian ini bertujuan membandingkan kinerja metode Prophet dan Long Short-Term Memory (LSTM) dalam memprediksi tren busana Lebaran tahun 2026 menggunakan data Google Trends periode 2018–2025. Model dilatih menggunakan data hingga Desember 2024 dan dievaluasi pada periode pengujian tahun 2025 menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil menunjukkan bahwa LSTM memiliki akurasi numerik yang lebih baik, sedangkan Prophet lebih konsisten dalam menangkap pola musiman tahunan. Temuan ini menunjukkan bahwa pemilihan metode prediksi perlu disesuaikan dengan tujuan analisis. Penelitian ini berkontribusi dalam mendukung pengambilan keputusan berbasis data pada industri fesyen serta selaras dengan Sustainable Development Goals (SDGs) 8 terkait pertumbuhan ekonomi yang inklusif dan berkelanjutan.
IMPLEMENTASI SISTEM PENGENALAN WAJAH UNTUK PENDATAAN KEHADIRAN BERBASIS PYTHON Risky Pratama, Daffa; Mohammad Idhom
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/be3krg76

Abstract

Maraknya pertemuan daring membuka peluang besar dalam penerapan sistem otomatis untuk pendataan kehadiran. Penelitian ini bertujuan mengimplementasikan sistem pengenalan wajah berbasis Python untuk mendukung proses absensi peserta video meeting secara otomatis dan efisien. Sistem dikembangkan menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur FaceNet sebagai ekstraktor fitur wajah dan Haar Cascade sebagai metode deteksi wajah awal. Aplikasi dilengkapi antarmuka grafis berbasis pustaka customtkinter sehingga pengguna dapat mengoperasikan seluruh fungsi sistem secara interaktif tanpa perintah berbasis teks. Metode pengembangan yang digunakan adalah Software Development Life Cycle (SDLC) dengan model Incremental yang terdiri dari empat modul utama, yaitu deteksi wajah, pengenalan wajah, antarmuka pengguna, dan penyimpanan data. Pengujian dilakukan menggunakan dua tangkapan layar video meeting yang memuat total 30 wajah peserta. Hasil evaluasi menunjukkan nilai precision sebesar 100%, recall 80%, accuracy 80%, dan F1-score 88,8%. Hasil ini menunjukkan sistem mampu melakukan pendataan kehadiran secara akurat meskipun dipengaruhi oleh pose wajah dan kondisi pencahayaan.

Page 5 of 5 | Total Record : 45

 1   2   3   4   5 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 1 (2026): JASTA Vol. 4 No. 2 (2025): JASTA Vol. 4 No. 1 (2025): JASTA Vol. 3 No. 2 (2024): JASTA Vol. 3 No. 1 (2024): JASTA Vol. 2 No. 2 (2023): JASTA Vol. 2 No. 1 (2023): JAsTa Vol. 1 No. 2 (2022): JAsTa Vol. 1 No. 1 (2022): JAsTa