cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ana Tsalitsatun Ni'mah
Contact Email
ana.tsalits@nuris.ac.id
Phone
+6285366622280
Journal Mail Official
admin@nuris.ac.id
Editorial Address
STAI Nurul Islam Mojokerto YPP Nurul Islam Pungging Mojokerto (Kampus 2) Jl. Raya PP Nurul Islam Pungging, Tunggal Pager - Pungging Kabupaten Mojokerto Kodepos 61384
Location
Kab. mojokerto,
Jawa timur
INDONESIA
Sains Data Jurnal Studi Matematika dan Teknologi
Published by Yayasan Pondok Pesantren Nurul Islam Mojokerto
ISSN : 2986903X     EISSN : 2986903X     DOI : https://doi.org/10.52620/sainsdata
Core Subject : Science, Education, Engineering,
Computer Science & IT Electrical & Electronics Engineering Engineering Mathematics Physics
Sains Data Jurnal Studi Matematika dan Teknologi, published by the STAI Nurul Islam Mojokerto. Its a biannual refereed journal concerned with the practice and processes of mathematics and technologies. It provides a forum for academics, practitioners and community representatives to explore issues and reflect on practices relating to the full range of engaged activity. This journal is a peer-reviewed online journal dedicated to the publication of high-quality research focused on research and best pratices. The mission of Sains Data Jurnal Studi Matematika dan Teknologi is to serve as the premier peer-reviewed, interdisciplinary journal to advance theory and practice related to all forms of social science. This includes highlighting innovative endeavors; critically examining emerging issues, trends, challenges, and opportunities; and reporting on studies of impact in the areas of mathematics and technologies.
Arjuna Subject : Ilmu Komputer (semua kategori) - Teori Komputasi dan Matematika
Articles 5 Documents
 1 
Search results for , issue "Vol 3, No 2: July-December 2025" : 5 Documents clear
Desain Rumah Pintar dengan Konsep Internet of Things Maulana, Hendra; Rohyan, Anggit Suryan; Kurniawan, Satria Fajar Dwi; Anisa, Nor
Sains Data Jurnal Studi Matematika dan Teknologi Vol 3, No 2: July-December 2025
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v3i2.249

Abstract

Perkembangan teknologi dan gaya hidup modern mendorong integrasi sistem rumah pintar untuk meningkatkan efisiensi, kenyamanan, dan keamanan dalam aktivitas sehari-hari. Rumah pintar memungkinkan pengguna untuk mengendalikan perangkat rumah tangga seperti lampu, kipas angin, AC, pintu otomatis, jendela, penyiram taman, dan pintu garasi dari jarak jauh melalui konektivitas jaringan berbasis Internet of Things (IoT). Penelitian ini bertujuan untuk merancang dan mensimulasikan sistem rumah pintar menggunakan perangkat lunak Cisco Packet Tracer sebagai media simulasi jaringan. Prosesnya diawali dengan mengidentifikasi kebutuhan perangkat, perencanaan sistem, penempatan perangkat virtual, dan konfigurasi jaringan menggunakan Home Gateway sebagai pusat koneksi. Pengguna dapat memantau dan mengendalikan perangkat melalui antarmuka smartphone virtual menggunakan fitur IoT Monitor. Pengujian dilakukan menggunakan mode Realtime dan Simulasi untuk mengamati respons sistem terhadap perintah pengguna. Hasil simulasi menunjukkan bahwa sistem mampu menjalankan fungsinya secara optimal, dengan koneksi antar perangkat berjalan stabil tanpa penundaan yang berarti. Sistem ini juga dinilai fleksibel, efisien, dan adaptif terhadap kebutuhan pengguna. Teknologi ini tidak hanya menawarkan kemudahan dalam pengoperasian perangkat rumah tangga, tetapi juga mendukung efisiensi energi dan gaya hidup ramah lingkungan. Penelitian ini memberikan landasan yang kokoh untuk pengembangan lebih lanjut. Dengan demikian, konsep rumah pintar memiliki potensi besar untuk diterapkan secara luas.
Analisis Sentimen Komentar Youtube tentang Konflik Iran-Israel Menggunakan Orange Data Mining Widianto, Fajar
Sains Data Jurnal Studi Matematika dan Teknologi Vol 3, No 2: July-December 2025
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v3i2.278

Abstract

Penelitian ini membahas konflik antara Iran dan Israel merupakan isu geopolitik yang memicu berbagai reaksi publik di media sosial, termasuk platform YouTube. Analisis terhadap sentimen publik dalam komentar pengguna menjadi penting untuk memahami persepsi masyarakat terhadap konflik tersebut. Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna YouTube terkait konflik Iran-Israel menggunakan Orange Data Mining sebagai alat bantu analisis. Metode yang digunakan dalam penelitian ini adalah metode kuantitatif dengan pendekatan text mining, yang mencakup pengumpulan data komentar dari beberapa video YouTube terkait konflik, pra-pemrosesan teks (cleansing, tokenizing, stopword removal). Hasil analisis menunjukkan bahwa mayoritas komentar menghasilkan bernilai positif merupakan sentimen Positif. pada gambar merupakan sentimen publik berdasarkan hasil pengolahan Orange Data Mining. Pada gambar terlihat bahwa sentimen Netral dengan batasan -20 Sentiment 0  lebih dominan dengan nilai 96,79%, sentimen Positif dengan nilai 20 Sentiment 100 memiliki nilai 1.07% , sedangkan sentimen Negatif dengan nilai -20 Sentiment 0 memiliki nilai 1,43%Kesimpulan dari penelitian ini menunjukkan bahwa masyarakat global, khususnya pengguna YouTube, cenderung menunjukkan keprihatinan, kritik, dan kekhawatiran terhadap eskalasi konflik Iran-Israel. Temuan ini dapat menjadi masukan bagi peneliti, analis media, dan pembuat kebijakan untuk memahami opini publik secara digital..
Kendali Suhu Otomatis pada Proses Distilasi Batang Sereh menggunakan Metode PID Sam, Achmad Kusairi; Romadhon, Ahmad Sahru; Widyaningrum, Vivi Tri; Lestari, Denisa Putri Ayu
Sains Data Jurnal Studi Matematika dan Teknologi Vol 3, No 2: July-December 2025
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v3i2.204

Abstract

Kebutuhan manusia dengan bahan bakar tidak akan bisa dipisahkan dan akan selalu bertambah kebutuhannya. Jika kebutuhan akan bahan bakar terus berlanjut, krisis bahan bakar di masa depan tidak dapat dihindarkan. Ketergantungan manusia pada bahan bakar fosil mendorong pengembangan energi terbarukan, salah satunya melalui proses distilasi. Namun, suhu tabung distilasi dan kondensor harus dikontrol dengan ketat untuk memastikan efisiensi proses. Suhu yang terlalu tinggi pada tabung distilasi ( lebih dari 90 °C) dapat menurunkan kualitas hasil penyulingan, sedangkan suhu air hasil sirkulasi kondensor sebesar 25 °C untuk mendukung proses kondensasi yang optimal. Dengan demikian solusi yang diberikan adalah dengan merancang kendali suhu otomatis pada proses distilasi. Penelitian ini menggunakan autonics TC4S sebagai regulator temperatur dari proses distilasi yang dihubungkan dengan sensor RTD dan pada kondensor menggunakan sensor suhu DS18B serta pompa DC. Suhu pada distilasi akan dijaga kestabilannya pada rentang suhu 85 °C - 90 °C, sedangkan pada air hasil sirkulasi kondensor jika suhu mencapai 35 °C maka akan didinginkan hingga mencapai suhu 25 °C. Hasil pada akan membandingkan hasil distilasi menggunakan metode dan tanpa metode (manual). Setelah dilakukan pengujian hasil menunjukan bahwa kuantitas minyak yang dihasilkan dengan metode sebesar 500 ml, sedangkan tanpa metode 170 ml. Parameter PID yang digunakan sebesar Kp 0,1, Ki 2,1, dan Kd 0.4 pada TC4S dan Kp 7, Ki 2, dan Kd 4 pada sensor DS18B20
Klasifikasi URL Phishing untuk SIEM: Perbandingan Model Machine Learning XGBoost dan Deep Learning TabNet dalam Deteksi Ancaman Siber Tjahjono, Azza Farichi; Hasan, Hasan; Putera, Randist Prawandha; Indranto, Dionisius Marcell Putra; Hermawan, Abhirama Triadyatma
Sains Data Jurnal Studi Matematika dan Teknologi Vol 3, No 2: July-December 2025
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v3i2.227

Abstract

Phishing detection is a criticalcomponent of modern Security Information and Event Management (SIEM) systems, requiring both high accuracy and real-time performance. This study conducts a comprehensive comparison between a Gradient-Boosted Decision Tree model, XGBoost, and a deep learning architecture, TabNet, for classifying phishing URLs. Both models were systematicallyoptimized using advanced hyperparameter tuning techniques, Randomized Search for XGBoost and Optuna with pruning for TabNetto ensure a fair and robust evaluation. The models were trained and tested on the "Dataset of Suspicious Phishing URL Detection," a recent and relevant collection of URL features. The resultsdemonstrate that the tunedXGBoost model significantly outperforms the tunedTabNet model across all key metrics. Furthermore, inference speed analysis revealedXGBoostto besubstantially moreefficient on both CPU and GPU hardware, with a GPU inference time over 33 times faster thanTabNet. These findings lead to the conclusion that for this task,XGBoostoffers a superior combination of accuracy, speed, and practicaldeployability,making it the more suitable architecture for integration into a SIEM system. 
Implementasi Metode Regresi Linear Berganda untuk Prediksi Harga Penjualan Material Paving Block pada CV. Difa Jaya Abadi Kurniawan, Andyra; Mustikasari, Dyah; Raharjo, Andy Triyanto Pujo
Sains Data Jurnal Studi Matematika dan Teknologi Vol 3, No 2: July-December 2025
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v3i2.281

Abstract

Peningkatan kebutuhan material konstruksi menjadikan paving block sebagai salah satu produk dengan permintaan tinggi di pasaran. CV. Difa Jaya Abadi sebagai produsen paving block memerlukan sistem prediksi harga yang akurat untuk mendukung strategi penjualan dan efisiensi produksi. Penelitian ini mengimplementasikan metode Regresi Linear Berganda untuk memprediksi harga jual paving block per meter persegi berdasarkan variabel produksi, biaya produksi, upah pekerja, bulan, dan tahun. Sistem prediksi dikembangkan berbasis web menggunakan Python (Flask) untuk backend perhitungan, HTML/CSS untuk antarmuka, dan PostgreSQL sebagai basis data. Data historis periode 2021–2024 digunakan sebagai dasar pelatihan model, sedangkan evaluasi dilakukan menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan prediksi harga yang mendekati nilai aktual dengan tingkat akurasi yang baik, di mana nilai MAPE sebesar 0,6%. Implementasi sistem ini diharapkan dapat membantu perusahaan dalam menetapkan harga jual yang lebih tepat, meningkatkan efisiensi operasional, dan mendukung pengambilan keputusan berbasis data.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 4, No 1: January - June 2026 (In Progress) Vol 3, No 2: July-December 2025 Vol 3, No 1: January - June 2025 Vol 2, No 2: July-December 2024 Vol 2, No 1: January - June 2024 Vol 1, No 2: July-December 2023 Vol 1, No 1: January - June 2023