cover
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)
ISSN : -     EISSN : 30324696     DOI : https://doi.org/10.59407/jdaics.v1i2
Core Subject : Science, Education,
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
Articles 83 Documents
PENGUATAN LITERASI DIGITAL MENDUKUNG IMPLEMENTASI ARTIFICIAL INTELLIGENCE DALAM OUTCOME-BASED EDUCATION INDONESIA Didik Wiguna; Achmad Birowo; Akhmad Aris Tantowi
Journal of Data Analytics, Information, and Computer Science Vol. 3 No. 3 (2026): Juli
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jdaics.v3i3.4258

Abstract

Perkembangan teknologi digital telah mendorong transformasi sistem pendidikan melalui penerapan berbagai inovasi pembelajaran untuk meningkatkan kualitas pendidikan. Salah satu teknologi yang berkembang pesat adalah Artificial Intelligence (AI), yang berpotensi mendukung implementasi Outcome-Based Education (OBE) apabila didukung oleh kompetensi literasi digital yang memadai. Penelitian ini bertujuan menganalisis peran penguatan literasi digital dalam mendukung implementasi AI pada pendidikan berbasis OBE di Indonesia. Penelitian ini menggunakan pendekatan kualitatif dengan metode studi literatur melalui kajian terhadap berbagai jurnal ilmiah, buku, prosiding, dan dokumen kebijakan yang relevan. Hasil kajian menunjukkan bahwa penguatan literasi digital meningkatkan kemampuan pendidik dan peserta didik dalam memilih, mengevaluasi, serta memanfaatkan AI secara efektif, kritis, dan etis untuk mendukung proses pembelajaran. Kemampuan tersebut memungkinkan penerapan pembelajaran yang lebih dipersonalisasi, pemberian umpan balik yang lebih cepat, asesmen yang lebih akurat, serta pemantauan capaian pembelajaran secara berkelanjutan. Dalam kerangka OBE, pemanfaatan AI yang didukung oleh literasi digital berkontribusi terhadap ketercapaian Capaian Pembelajaran Lulusan (CPL) melalui proses pembelajaran yang lebih adaptif, terukur, dan berorientasi pada hasil belajar. Meskipun demikian, implementasi AI masih menghadapi tantangan berupa kesenjangan kompetensi digital, keterbatasan infrastruktur teknologi, dan isu etika penggunaan AI. Oleh karena itu, penguatan literasi digital melalui pelatihan berkelanjutan, pengembangan kurikulum, dan dukungan institusi menjadi langkah strategis untuk mengoptimalkan implementasi AI serta meningkatkan kualitas pendidikan di Indonesia.  
RANCANG BANGUN APLIKASI WEB SISTEM INFORMASI AKADEMIK PAUDQU AL-ABBASIYYAH (SIAPA) BERBASIS MVC DENGAN FRAMEWORK LARAVEL MENGGUNAKAN METODE WATERFALL Thival Rayyani; Gugun Gunad; Uus Firdaus
Journal of Data Analytics, Information, and Computer Science Vol. 3 No. 3 (2026): Juli
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

PAUDQu Al-Abbasiyyah masih menghadapi kendala dalam pengelolaan administrasi dan akademik, seperti penerimaan peserta didik baru, pengelolaan data peserta didik, jurnal kegiatan harian, serta penyampaian informasi kepada orang tua yang masih dilakukan secara manual. Penelitian ini bertujuan merancang dan membangun Sistem Informasi Akademik PAUDQu Al-Abbasiyyah (SIAPA) berbasis web untuk meningkatkan efektivitas pengelolaan administrasi dan akademik. Kebaruan penelitian ini terletak pada integrasi fitur pendaftaran peserta didik baru, pembayaran administrasi, jurnal kegiatan harian, dan live chat dalam satu sistem informasi akademik yang disesuaikan dengan kebutuhan PAUD. Pengembangan sistem menggunakan metode Waterfall, framework Laravel dengan arsitektur Model View Controller (MVC), serta basis data MySQL. Pengujian dilakukan menggunakan Black Box Testing dan User Acceptance Testing (UAT). Hasil Black Box Testing terhadap 25 skenario pengujian menunjukkan tingkat keberhasilan 100%, sedangkan hasil UAT yang melibatkan 18 responden (1 admin, 5 guru, 5 orang tua, dan 7 calon orang tua) memperoleh nilai 94,10% dengan kategori Sangat Layak. Hasil penelitian menunjukkan bahwa SIAPA mampu mendukung pengelolaan administrasi dan akademik secara lebih efektif serta meningkatkan kemudahan akses informasi dan komunikasi antara sekolah dengan orang tua.
IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI PENYAKIT ASMA BERDASARKAN DATA REKAM MEDIS M. Ray Togubu; Fahrim Irhamna Rachman; Darniati Darniati
Journal of Data Analytics, Information, and Computer Science Vol. 3 No. 3 (2026): Juli
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jdaics.v3i3.4435

Abstract

Penyakit asma memiliki pola gejala, faktor risiko, dan fungsi paru yang heterogen sehingga identifikasi berbasis rekam medis memerlukan pendekatan yang objektif dan terukur. Penelitian ini mengimplementasikan Support Vector Machine (SVM) kernel Radial Basis Function (RBF) untuk mengklasifikasikan pasien tidak asma/normal dan asma berdasarkan 1.087 rekam medis RSUD Tidore periode 1 Januari 2021–31 Desember 2025 dengan 13 fitur klinis. Data dibagi secara stratified menjadi 80% data latih dan 20% data uji; MinMaxScaler ditempatkan dalam pipeline untuk mencegah information leakage. Hyperparameter C dan gamma dioptimasi menggunakan Grid Search dengan stratified 5-fold cross-validation pada data latih, dan kestabilan model dievaluasi menggunakan nested stratified 5-fold cross-validation. Parameter terbaik pada data latih adalah C=30 dan gamma=0,01. Pada holdout test set, model menghasilkan TN=89, FP=1, FN=6, dan TP=122 dengan akurasi 96,79%, presisi 99,19%, sensitivitas 95,31%, spesifisitas 98,89%, F1-score 97,21%, Matthews Correlation Coefficient (MCC) 0,935, dan ROC-AUC 0,9949. Nested cross-validation menghasilkan ROC-AUC 0,9898±0,0049 dan akurasi 95,21±1,56%, yang menunjukkan performa relatif stabil pada pembagian data yang berbeda. Permutation importance menempatkan FEV1, dada terasa berat, riwayat keluarga asma, dan sesak napas sebagai fitur dengan kontribusi prediktif terbesar. Enam false negative terutama menunjukkan ketiadaan sesak napas dan gejala malam hari, sehingga penekanan false negative tetap penting dari perspektif patient safety. Keterbatasan penelitian meliputi data satu pusat, distribusi kelas yang tidak sepenuhnya seimbang, ketidaktersediaan provenance rinci label diagnosis, dan metadata unit spirometri. Model diposisikan sebagai Clinical Decision Support System dan tidak menggantikan diagnosis profesional dokter.