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 4, No 1: January - June 2026" : 5 Documents clear
Penggunaan Metode Failure Mode and Effect Analysis (FMEA) untuk Meningkatkan Efektivitas Perawatan Platform Screen Door pada Stasiun Elevated MRT Jakarta Sadewo, Kuntoko Panji; Oktaria, Dhina Setyo; Arifianto, Teguh; Sunaryo, Sunaryo
Sains Data Jurnal Studi Matematika dan Teknologi Vol 4, No 1: January - June 2026
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v4i1.285

Abstract

Peningkatan infrastruktur transportasi di Jakarta melalui hadirnya MRT (Mass Rapid Transit) memberikan solusi untuk mengatasi kemacetan. Dengan adanya platform screen door sebagai komponen penting yang berfungsi memisahkan peron dari jalur kereta yang dapat mendukung keamanan dan efisiensi operasional. Untuk menjamin keandalan, dilakukan analisis menggunakan metode Failure Mode And Effect Analysis (FMEA) serta perhitungan reliability dan interval perawatan. Hasil penelitian menunjukkan dua komponen dengan nilai risk priority number tertinggi yaitu sensor infrared dan door control unit, masing-masing sebesar 64. Perhitungan reliability memperlihatkan linear guide rail memiliki nilai terendah sebesar 21,1%, sedangkan door control unit memiliki nilai tertinggi sebesar 37,7%. Pada analisis interval perawatan, electromagnetic lock memerlukan perawatan tercepat dengan interval 788,8 jam atau 32 hari, sementara door control unit memiliki interval terpanjang, yaitu 3.908,5 jam atau 162 hari. Hasil penelitian menunjukkan bahwa pendekatan failure mode and effect analysis mampu mengidentifikasi komponen serta menentukan prioritas perawatan yang tepat sehingga dapat mendukung peningkatan keandalan peralatan platform screen door dan menjaga kelancaran operasional MRT Jakarta.
Penerapan Metode Ensemble Bagging-SVR untuk Multivariate Time Series pada Peramalan Curah Hujan (Studi Kasus: Stasiun Meteorologi Perak I) Santoso, Mochammad Rizki Aji; Mula'ab, Mula'ab; Yunitarini, Rika
Sains Data Jurnal Studi Matematika dan Teknologi Vol 4, No 1: January - June 2026
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v4i1.294

Abstract

Perubahan iklim menjadi salah satu isu paling kritis saat ini, dengan pengaruh yang dirasakan di berbagai negara, termasuk Indonesia. Fenomena ini memengaruhi berbagai aspek kehidupan, salah satunya adalah perubahan pola cuaca. Musim hujan sering ditandai dengan peningkatan intensitas curah hujan secara signifikan dalam jangka waktu tertentu. Cuaca yang tidak menentu dapat menyebabkan perubahan curah hujan yang drastis, berdampak pada sektor pertanian, transportasi, dan industri. Oleh karena itu, prediksi curah hujan menjadi penting untuk memahami pola hujan di masa depan. Penelitian ini menggunakan data iklim harian dari BMKG Stasiun Meteorologi Perak I Surabaya selama Januari 2018 hingga Desember 2024 dengan 2.557 data yang mencakup 4 parameter: curah hujan, temperatur, kelembapan, dan kecepatan angin. Tahapan penelitian meliputi pra pemrosesan data, seperti penanganan data hilang, identifikasi outlier, normalisasi, dan sliding window untuk membentuk data supervised. Metode Ensemble berbasis Support Vector Regression (SVR) digunakan untuk membangun model prediksi. Hasil evaluasi menunjukkan bahwa skenario 9, dengan kernel polynomial, C = 1, epsilon = 0,01, degree = 2, dan 20 estimator, memberikan nilai MAE terbaik sebesar 0,02329. Hal ini menunjukkan bahwa pemilihan kernel dan hyperparameter yang tepat sangat berpengaruh terhadap akurasi model.
Analisis Sentimen Pengguna Aplikasi X Terhadap Pelaksanaan Makan Bergizi Gratis Menggunakan Metode Adaptive Neuro-Fuzzy Inference System Mergianti, Wahyu Ningtiyas; Khudin, Nasroh; Afandi, Achsan; Shofah, Novia Adibatus; Novitasari, Dian Candra Rini
Sains Data Jurnal Studi Matematika dan Teknologi Vol 4, No 1: January - June 2026
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v4i1.339

Abstract

Program Makan Bergizi Gratis (MBG) menimbulkan beragam sentimen positif dan negatif di media sosial yang mencerminkan perbedaan persepsi publik terhadap pelaksanaannya. Penelitian ini bertujuan menganalisis sentimen masyarakat menggunakan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) agar perbedaan sentimen positif dan negatif dapat diidentifikasi secara lebih jelas dan terukur. Data penelitian berupa 3520 tweet hasil crawling dengan beberapa kata kunci. Dataset melalui empat tahap persiapan dan dilakukan pembobotan menggunakan TF-IDF. Penelitian ini menguji kinerja ANFIS menggunakan validasi silang K-Fold dengan variasi learning rate (0.001, 0.01, 0.1, 0.2) dan 4 optimasi yakni sgd, adam, RMSProp, Adagrad. Hasil pengujian menunjukkan model uji terbaik menghasilkan akurasi sebesar 56.55%, sensitivitas 19.73%, presisi 38.06%, dan f1-score 25.98% dengan kombinasi parameter learning rate sebesar 0.01 dan optimizer Adam. Hasil evaluasi menggunakan confussion matrix menunjukkan bahwa sentimen positif terhadap pelaksanaan program MBG masih rendah, sehingga diperlukan evaluasi dan perbaikan pada aspek implementasian program.
Analisis Model Algoritma K-Means Clustering untuk Pengelompokan Prestasi Berdasarkan Nilai Pengetahuan Siswa (Studi Kasus SMP Negeri 2 Mekar Baru) Widianto, Fajar; Janita, Alfaiko
Sains Data Jurnal Studi Matematika dan Teknologi Vol 4, No 1: January - June 2026
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v4i1.347

Abstract

Perkembangan teknologi memberikan dampak nyata hari ini. Khususnya dunia pendidikan dalam melakukan penilaian siswa, mengevaluasi keberhasilan proses pembelajaran di sekolah. Namun, pengelompokan prestasi berdasarkan nilai pengetahuan seringkali masih dilakukan secara manual sehingga kurang efektif dan kurang mampu memberikan gambaran pola akademik secara menyeluruh. Tujuan dari penelitian ini untuk menganalisis penerapan model algoritma K-Means clustering dalam mengelompokkan prestasi siswa berdasarkan nilai pengetahuan di SMP Negeri 2 Mekar Baru. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining. Data nilai pengetahuan siswa diolah melalui tahapan preprocessing, penentuan jumlah cluster (k), proses iterasi K-Means, serta mengevaluasi hasil pengelompokan. Hasil yang didapat menunjukkan bahwa algoritma K-Means mampu melakukan  pengelompokan siswa ke dalam beberapa kategori prestasi, seperti tinggi, sedang maupun rendah, secara objektif berdasarkan kedekatan nilai centroid. Kesimpulannya, penerapan K-Means efektif membantu pihak sekolah dalam memetakan prestasi siswa sebagai dasar pengambilan keputusan adapun kebaruan dalam penelitian ini terletak pada penerapan model clustering sebagai sistem pendukung evaluasi prestasi berbasis data di tingkat SMP.
Dampak Pra-pemrosesan Teks pada Akurasi Analisis Sentimen Multi-Aspek Menggunakan IndoBERT Hibrizi, Muhammad Akmal Nabil; Fatah, Doni Abdul
Sains Data Jurnal Studi Matematika dan Teknologi Vol 4, No 1: January - June 2026
Publisher : Sekolah Tinggi Agama Islam Nurul Islam Mojokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/sainsdata.v4i1.301

Abstract

Ulasan daring mengenai destinasi wisata pantai di Kabupaten Sumenep merupakan sumber data krusial, namun analisisnya terhambat oleh data yang tidak terstruktur, terutama kesalahan ketik (typo) yang signifikan menurunkan akurasi model. Penelitian ini berhasil mengatasi tantangan tersebut dengan membangun dan mengevaluasi beberapa skenario model analisis sentimen multi-aspek yang akurat menggunakan IndoBERT. Untuk memaksimalkan performa, penelitian ini menguji dampak dari dua inovasi utama yaitu sebuah modul koreksi ejaan cerdas yang mengkombinasikan Damerau-Levenshtein Distance dengan N-Gram, serta teknik teks augmentasi. Dengan kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM), penelitian menerapkan alur kerja sistematis mulai dari pra-pemrosesan hingga fine-tuning model. Hasil evaluasi perbandingan menunjukkan temuan yang menarik, model baseline (tanpa perlakuan pra-pemrosesan lanjutan) justru mencapai kinerja tertinggi dengan akurasi 96.12%. Sementara itu, model yang menggunakan koreksi ejaan dan augmentasi teks menunjukkan performa yang sedikit lebih rendah. Penelitian ini menghasilkan sebuah model yang sangat akurat dari data asli dan memberikan wawasan penting bahwa pada dataset tertentu, peforma model Transformer seperti IndoBERT sudah mampu menangani noise bahasa informal tanpa memerlukan pra-pemrosesan yang kompleks.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 4, No 1: January - June 2026 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