cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yusmaniarti
Contact Email
yusmaniarti8@gmail.com
Phone
+6281368411554
Journal Mail Official
jurnaljdaics@gmail.com
Editorial Address
Perum Taman Asri 1 Blok C2 RT 31 RW 06 Palembang South Sumatra 30149
Location
Kota palembang,
Sumatera selatan
INDONESIA
Journal of Data Analytics, Information, and Computer Science (JDAICS)
Published by Yayasan Nuraini Ibrahim Mandiri
ISSN : -     EISSN : 30324696     DOI : https://doi.org/10.59407/jdaics.v1i2
Core Subject : Science, Education,
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics Other
Journal of Data Analytics, Information, and Computer Science (JDAICS) is a national journal for scientific research Analytics, Artificial Intelligence, Bioinformatics, Big Data, Computational Linguistics, Cryptography & Information Security, Data Mining, Data Warehouse, E-Commerce / E-Health / E-Government, Internet of Things, Information Theory, Machine Learning, Multimedia & Image Processing, Software Engineering, Socio Informatics , Wireless & Mobile Computing, Data collection and integration, Data cleaning and preprocessing, Data analysis and exploration, Machine learning and predictive modelling, Data visualization and communication, Data-driven decision making, Ethical and privacy considerations, Designing data infrastructure and systems, Data pipeline development and management, Database design and management, Data integration and ETL (Extract, Transform, Load) processes
Arjuna Subject : Ilmu Komputer (semua kategori) - Teori Komputasi dan Matematika
Articles 63 Documents
 3   4   5   6   7 
ANALISA POLA PEMINJAMAN BUKU DI PERPUSTAKAAN STMIK ANTAR BANGSA DENGAN METODE ALGORITMA APRIORI MENGGUNAKAN RAPIDMINER Dina Novita Sari; Kusuma Hati
Journal of Data Analytics, Information, and Computer Science Vol. 2 No. 4 (2025): Oktober
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jdaics.v2i4.3152

Abstract

Studi ini menganalisis pola peminjaman buku pada data peminjaman Perpustakaan STMIK Antar Bangsa pada periode Agustus 2023 – Agustus 2024. untuk mengidentifikasi pola asosiasi antar buku. Dengan menggunakan Algoritma Apriori yang diimplementasikan melalui perangkat lunak RapidMiner, analisa ini bertujuan mendapatkan hasil olah data peminjam, mengungkap pola peminjaman buku yang tersembunyi, serta menunjukkan penyelesaian penyusunan dan penempatan koleksi buku secara efektif. Selain itu,hasil studi menunjukkan bahwa Algoritma Apriori mampu mendeteksi pola peminjaman buku secara efektif, menghasilkan aturan asosiasi dengan confidence 100%, menandakan hubungan yang sangat kuat antar kombinasi buku. Buku bidang PPPL (Pemrograman dan Pengembangan Perangkat Lunak) memiliki tingkat asosiasi tertinggi dan dominan dalam kombinasi peminjaman. Buku APK (Agama dan Pendidikan Karakter) sering dipinjam bersama PPPL, BSS (Bahasa & Soft Skills), dan BS (Basis Data), menunjukkan kecenderungan mahasiswa meminjam buku pelengkap. Terdapat hubungan dua arah yang kuat antara TIU (Teknologi Informasi Umum) dan SIRPL (Sistem Informasi dan Rekayasa Perangkat Lunak), menandakan keterkaitan fungsional atau tematik. Interpretasi probabilitas 100% pada aturan yang ditemukan menunjukkan potensi besar untuk pengembangan sistem rekomendasi buku otomatis di masa mendatang
IMPLEMENTASI SISTEM INFORMASI AKADEMIK BERBASIS REST API MENGGUNAKAN FRAMEWORK LARAVEL Bayu Sukmo Adji; Rasyid Abdul Ra’uf; Reza Dwi Putra; Denis Aditiansyah; Olantianus Bebi Maxrin; Aryo Kresno Nugroho; Ariqa Hinta Nafi
Journal of Data Analytics, Information, and Computer Science Vol. 3 No. 1 (2026): Januari
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jdaics.v3i1.3437

Abstract

Sistem Informasi Akademik (SIA) merupakan komponen penting dalam mendukung operasional institusi pendidikan, khususnya dalam pengelolaan data akademik dan layanan administrasi mahasiswa. Seiring meningkatnya kebutuhan integrasi antar sistem dan fleksibilitas pengembangan, pendekatan berbasis layanan melalui RESTful API menjadi solusi yang banyak diterapkan. Penelitian ini bertujuan untuk mengimplementasikan Sistem Informasi Akademik berbasis REST API menggunakan framework Laravel dengan menerapkan arsitektur berlapis (layered architecture). Sistem dikembangkan menggunakan Laravel versi 12, database MySQL, autentikasi berbasis token menggunakan Laravel Sanctum, serta dikembangkan menggunakan Docker dan docker-compose. Arsitektur sistem dirancang dengan pemisahan lapisan Controller, FormRequest, Service, Repository, dan Resource untuk meningkatkan keterpeliharaan dan skalabilitas sistem. Hasil implementasi menunjukkan bahwa REST API yang dibangun mampu mendukung proses akademik, meliputi pengelolaan data master, pengisian Kartu Rencana Studi (KRS), pengelolaan nilai, serta penyajian jadwal berbasis peran pengguna. Pengujian fungsional menggunakan Postman menunjukkan bahwa seluruh endpoint berjalan sesuai kebutuhan dan aturan bisnis yang ditetapkan. Penelitian ini diharapkan dapat menjadi referensi implementasi REST API pada sistem akademik dengan pendekatan arsitektur berlapis.    
SISTEM REKOMENDASI PRODUK PADA E-COMMERCE MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN CLUSTERING K-MEANS Pradana, Andrianto Gusti; Wicaksono, Mahad; Purwanto, Purwanto
Journal of Data Analytics, Information, and Computer Science Vol. 3 No. 1 (2026): Januari
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jdaics.v3i1.3524

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi produk smartphone pada e-commerce dengan mempertimbangkan evaluasi multi-kriteria dan segmentasi produk agar keputusan pembelian lebih efektif dan relevan. Metode penelitian yang digunakan adalah kombinasi Simple Additive Weighting (SAW) untuk perankingan produk berdasarkan kriteria harga, RAM, memori internal, kapasitas baterai, dan rating pengguna, serta clustering K-Means untuk membentuk segmen produk (entry-level, mid-range, dan high-end). Hasil penelitian menunjukkan bahwa integrasi SAW dan K-Means menghasilkan rekomendasi yang kontekstual dan terarah, di mana tiap segmen memiliki alternatif terbaik sesuai preferensi pengguna; misalnya S5 direkomendasikan untuk segmen mid-range, sedangkan S3 dan S10 menempati peringkat tertinggi pada segmen high-end. Simpulan, bahwa pendekatan SAW + K-Means mampu meningkatkan keterarahan rekomendasi produk, memudahkan pengguna dalam memilih smartphone sesuai kebutuhan, serta memberikan dasar pengambilan keputusan yang transparan dan dapat dijelaskan.    

Page 7 of 7 | Total Record : 63

 3   4   5   6   7 

Filter by Year

2024 2026


Reset
Filter By Issues
All Issue Vol. 3 No. 1 (2026): Januari Vol. 2 No. 4 (2025): Oktober Vol. 2 No. 3 (2025): Juli Vol. 2 No. 2 (2025): April Vol. 2 No. 1 (2025): Januari Vol. 1 No. 4 (2024): Oktober Vol. 1 No. 3 (2024): Juli Vol. 1 No. 2 (2024): April Vol. 1 No. 1 (2024): January