cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ulfi Saidata Aesyi
Contact Email
ijds.unjaya@gmail.com
Phone
+6285643086972
Journal Mail Official
ijds.unjaya@gmail.com
Editorial Address
Jl. Siliwangi, Ringroad Barat, Banyuraden, Gamping, Sleman Daerah Istimewa Yogyakarta 55293
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Indonesian Journal on Data Science
Published by Universitas Jenderal Achmad Yani Yogyakarta
ISSN : 29877423     EISSN : 29877423     DOI : 10.30989
Core Subject : Science,
Computer Science & IT
Indonesian Journal of Data Science (IJDS) adalah Jurnal ilmiah yang memuat hasil penelitian pada ranah data science (Ilmu Data). Cangkupan jurnal meliputi: 1. Big Data 2. Machine Learning 3. Data Mining 4. Deep Learning 5. Artificial Intelligence
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol. 1 No. 2 (2023): Indonesian Journal on Data Science" : 5 Documents clear
Smart System Bagian dari Artifical Intellegence dalam Paradigma Keilmuan Laili Wahyunita
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 2 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i2.1185

Abstract

Artikel ini memuat pembahasan terhadap aspek filsafat sains pada domain smart system. Smart system yang merupakan sub dari Artificial Intellegence (AI) terus berkembang dan semakin banyak diterapkan di berbagai aspek kehidupan. Mulai dari aspek kesehatan, social, politik, budaya, pendidikan, bisnis, budaya, serta aspek lainnya. Melalui kajian filsafat sains baik dari pemikiran Thomas S. Kuhn dan Imre Lakatos, smart system termasuk dalam spesifikasi normal sains dan progresif sains yang ditandai dengan masih akan terus berkembangnya riset di bidang ini. Luasnya aspek pengembangan smart system ini menjadikan potensi riset yang mengandung bias penelitian, etis dan moral yang negative, serta pseudosains. Penulisan artikel ini menggunakan metode studi pustaka atau library research dan pendekatan analisis konten atau content analysis. Dari kajian filsafat sains diketahui upaya pencegahan dari pseudosains dapat dilakukan dengan mengedapankan failsifikasi, metode ilmiah, dan pembuatan aturan dan batasan yang jelas. Bias penelitian dapat dihindari dengan pemilihan metodologi riset yang terpantau dan terawasi melalui pengacakan sample. Nilai etika dan moralitas harus diperhatikan baik sebagai ilmuwan maupun individu dengan mengedapankan etika normative dan terapan.
Klasifikasi Penyakit Hiperkolesterol Menggunakan Algoritma Decision Tree C4.5 Liya, Aprisarita; Supit, Yonal; Muhammad Islah, Andi
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 2 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i2.1192

Abstract

Hiperkolesterol merupakan faktor risiko penyebab kematian di usia muda. tercatat 4,4 juta kematian akibat hiperkolesterol atau sebesar 7,9% dari jumlah total kematian di usia muda. Hiperkolesterol merupakan salah satu jenis penyakit yang banyak dialami oleh masyarakat Indonesia. Pentingnya mengetahui gejala penyakit stroke sejak dini merupakan pencegahan awal. Maka dari itu, dilakukan penelitian untuk menganalisa data terkait penyebab hiperkolesterol. Adapun atribut yang terlibat dalam penyebab terjadinya hiperkolesterol yakni, usia, jenis kelamin, status merokok, dan index masa tubuh. Diperlukan algoritma tertentu untuk mengklasfikasikan atribut tersebut untuk mengevaluasi kelas suatu objek. Decision tree C4.5 merupakan algoritma yang paling banyak digunakan, dalam kasus ini akurasi dari algoritma Decision tree C4.5 merupakan Algoritma yang paling banyak digunakan, dalam kasus ini akurasi dalam algoritma Decision Tree C4.5 sebesar 80%.
Analisis Prediksi Kematian Pasien Covid-19 di Meksiko Menggunakan Algoritma Random Forest Dennis Fitri Salsabilla Arianti; Latifah Arum Sulistyaningsih; Mohamad Burhanudin
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 2 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i2.1196

Abstract

This research aims to analyze and predict the deaths of Covid-19 patients in Mexico using the Random Forest algorithm. The data used in this study is sourced from official sources, including the number of cases, symptoms, risk factors, and Covid-19 patient mortality data. The first stage of this research is data preprocessing, where the acquired data is collected, cleaned, and prepared for analysis. Subsequently, data exploration is conducted to understand the characteristics and patterns within the dataset. Then, the Random Forest model is developed to predict the deaths of Covid-19 patients based on relevant factors. Model evaluation is performed using accuracy, precision, recall, and F1-score metrics. The results of this research indicate that the random forest model can provide good predictions for Covid-19 patient deaths in Mexico. The evaluation results show a high level of accuracy and satisfactory performance for the model. These findings can be used as guidance in decision-making and strategic planning to address the Covid-19 pandemic in Mexico. This research contributes significantly to the field of predictive analysis and provides valuable insights in the efforts to manage the Covid-19 pandemic.
Analisis Kepercayaan Masyarakat Tentang Kepolisian Indonesia di Twitter Menggunakan Latent Dirichlet Allocation (LDA) Bagas Dwi Santosa; Nurul Fatimah; Netania Indi Kusumaningtyas; Ulfi Saidata Aesyi; Herdiesel Santoso
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 2 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i2.1198

Abstract

Kepolisian Negara Republik Indonesia merupakan instansi yang bertugas untuk menjaga ketertiban dan keamanan masyarakat, menerapkan hukum, memberikan perlindungan, dukungan dan layanan kepada warga negara guna menjaga stabilitas dalam negeri. Namun, ditengah peran dari kepolisian itu sendiri, justru banyak kasus yang menyeret beberapa anggota polisi. Hal tersebut yang membuat masyarakat ramai membicarakannya di sosial media, salah satunya Twitter. Bahkan tagar-tagar yang berkaitan dengan kasus lingkup kepolisian juga sempat trending di Twitter. Dari hal tersebut, maka perlu dilakukan analisis terhadap topik kepercayaan masyarakat terhadap kepolisian. Analisis yang dilakukan menggunakan Latent Dirichlet Allocation (LDA). Hasil dari analisis yang dilakukan yaitu kepercayaan masyarakat terhadap kepolisian berkurang atas banyaknya kasus yang dilakukan anggota polisi saat ini. Analisis yang dilakukan menggunakan Latent Dirichlet Allocation (LDA) mengungkapkan bahwa kepercayaan publik terhadap kepolisian telah terkikis secara signifikan akibat banyaknya kasus yang melibatkan anggota kepolisian. Kesimpulan ini didukung oleh prevalensi tagar terkait kepolisian dan diskusi di platform media sosial seperti Twitter.
Analisis Perbandingan Pengukuran Jarak Algoritma K-Nearest Neighbor Dengan Menggunakan Data Breast Cancer Dan Data Heart Disease Herdiesel Santoso; Pratiwi, Linda
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 2 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i2.1200

Abstract

Breast Cancer is a cancerous condition that appears in the breast area. This type of cancer is often experienced by women with a characteristic feature of Breast Cancer, namely the appearance of unusual lumps in the breast area. Heart or Heart Disease is a type of Non-Communicable Disease (PTM): which results in a fairly high mortality rate. Heart Disease is caused by several risk factors including smoking, an unhealthy lifestyle, high cholesterol, hypertension, and diabetes. Based on these facts, an appropriate algorithm is needed to classify Breast Caner and Heart Disease as an effort to prevent an increase in mortality rates due to Breast Cancer and Heart Disease. And the algorithm that will be used is the K-Nearest Neighbor algorithm with 3 distance measurement methods, namely Euclidean distance, Manhattan distance, and Minkowsky distance . From the stages that have been carried out, the final results of the Euclidean distance method obtained an Accuracy value of 80.88% Breast Cancer data at K = 11, and 78.69% heart Disease data at K = 11. The Manhattan distance method obtained an Accuracy value of 89.71% of Breast Cancer data on K=11, and 78.69% of Heart Disease data on K=20.The Minkowsky distance method obtained an Accuracy value of 98.53% of Breast Cancer data on K=11, and 79.41% of Heart Disease data on K=11. This shows that the Minkowsky distance method works more optimally than the Euclidean distance and Manhattan distance methods.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol. 3 No. 1 (2025): Indonesian Journal On Data Science Vol. 2 No. 2 (2024): Indonesian Journal On Data Science Vol. 2 No. 1 (2024): Indonesian Journal on Data Science Vol 2 No 1 (2024): Indonesian Journal on Data Science Vol. 1 No. 2 (2023): Indonesian Journal on Data Science Vol 1 No 2 (2023): Indonesian Journal on Data Science Vol. 1 No. 1 (2023): Indonesian Journal on Data Science Vol 1 No 1 (2023): Indonesian Journal on Data Science