cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rizki Nur Alam
Contact Email
dataenthusiast.ikopin@gmail.com
Phone
+6285183180158
Journal Mail Official
fastek@ikopin.ac.id
Editorial Address
Kawasan Pendidikan Tinggi Jatinangor, Kampus Ikopin, Jatinangor, Kab. Sumedang, Provinsi Jawa Barat, Kab. Sumedang, Provinsi Jawa Barat
Location
Kab. sumedang,
Jawa barat
INDONESIA
Data Enthusiast: Jurnal Ilmiah Sains Data
Published by Universitas Koperasi Indonesia
ISSN : 31636594     EISSN : 31636594     DOI : https://doi.org/10.32670
Core Subject :
Data Enthusiast: Jurnal Ilmiah Sains Data dipublikasi sejak 2025 oleh Fakultas Sains dan Teknologi Universitas Koperasi Indonesia yang berfokus pada riset-riset yang melingkupi (1) machine learning, (2) data mining, (3) data analysis, (4) visualisasi data, dan ruang lingkup sains data lainnya yang diterapkan pada bisnis, kesehatan, pendidikan, keuangan, dan lainnya.
Arjuna Subject : -
Articles 22 Documents
 1   2   3 
Evaluasi Model Prediktif untuk Peramalan Pencairan Kredit Menggunakan Time Series Fadhli Jahfal Aufa Maulana; Rizwar Syaefulloh; Najlia Intani; Nadine Valia Azzahra; Adri Arisena
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 1 No. 2 (2025): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

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

Abstract

ekonomi. Penelitian ini bertujuan untuk mengevaluasi performa tiga model prediktif berbasis deret waktu, yaitu ARIMA, ETS, dan Prophet, dalam meramalkan pencairan kredit bulanan. Data yang digunakan mencakup periode Februari 2022 hingga 2031 dan menunjukkan karakteristik volatil dengan adanya outlier signifikan. Metode penelitian meliputi uji stasioneritas (ADF, ACF, PACF), pembersihan data melalui imputasi outlier menggunakan moving average, serta pembangunan dan evaluasi model. Hasil analisis menunjukkan bahwa data bersifat stasioner, tetapi model ARIMA(0,0,0) dan ETS(M,N,M) pada data mentah menghasilkan akurasi rendah (MAPE > 178%). Setelah imputasi outlier, terjadi peningkatan signifikan pada kinerja model. Model Prophet mencatat performa terbaik dengan nilai RMSE (4.483.520), MAE (3.274.253), dan MAPE (85,11%), mampu menangkap tren non-linear dan pola musiman secara lebih efektif dibandingkan ARIMA dan ETS. Kesimpulan penelitian ini merekomendasikan penggunaan Model Prophet untuk peramalan pencairan kredit, dengan catatan pentingnya preprocessing data dan evaluasi berkala untuk menjaga akurasi prediksi.
Penjabaran Model Matematika Penetapan Parameter Harga Opsi Asia Menggunakan Metode Trinomial Onoy Rohaeni
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 1 No. 2 (2025): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

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

Abstract

Opsi merupakan instrumen keuangan yang harganya tergantung pada harga saham. Penentuan harga opsi, baik opsi jual maupun opsi beli salah satunya dapat menggunakan model trinomial. Penulisan artikel ini bertujuan untuk menentukan harga opsi Asia menggunakan model Trinomial. Dalam model ini hanya dimungkinkan adanya tiga parameter yaitu u apabila harga saham naik, m apabila harga saham tetap, dan d pada saat harga saham turun. Tahap pertama untuk menganalsis data dalam tulisan ini adalah menghitung nilai return, variansi return, dan volatilitas. Tahap selanjutnya menghitung parameter u, m, d, pu, pm, pd yang kemudian dilanjutkan menghitung harga saham untuk semua kemungkinan pergerakan saham naik, saham tetap, dan saham turun. Hasil penentuan harga opsi model trinomial ini menunjukan bahwa semakin banyak iterasi yang dilakukan, maka nilai prediksi harga saham semakin baik dan kovergen ke suatu nilai.
Analisis Efektivitas Edukasi Digital Dalam Meningkatkan Kesadaran Jejak Digital Menggunakan Uji Mcnemar Pada Siswa SMP Negeri 3 Pamulihan Desa Cilembu Teni Deinarosa Hermalia; Indri Nur Sukmawati; Silvi Nurinsan; Sagara Andi Ladzuardhi; Onoy Rohaeni
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 1 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i1.14

Abstract

Penelitian ini bertujuan untuk menganalisis efektivitas edukasi digital dalam meningkatkan kesadaran jejak digital pada siswa SMP Negeri 3 Pamulihan, Desa Cilembu, Kabupaten Sumedang. Kesadaran terhadap jejak digital menjadi penting seiring meningkatnya penggunaan internet dan media sosial di kalangan remaja, yang berpotensi menimbulkan dampak jangka panjang terhadap reputasi dan masa depan siswa. Penelitian ini menggunakan pendekatan kuantitatif dengan desain pre-eksperimen one group pretest–posttest. Subjek penelitian terdiri dari 45 siswa kelas VIII yang mengikuti kegiatan edukasi digital bertema “Jejak Digital: Cerminan Masa Depan”. Data dikumpulkan melalui pre-test dan post-test dengan kategori kesadaran biner (sadar dan tidak sadar), kemudian dianalisis menggunakan Uji McNemar. Hasil penelitian menunjukkan adanya peningkatan kesadaran jejak digital yang signifikan setelah pelaksanaan edukasi digital, ditunjukkan oleh nilai p-value yang lebih kecil dari 0,05. Seluruh siswa mengalami peningkatan pemahaman mengenai pentingnya etika bermedia, privasi digital, dan tanggung jawab dalam penggunaan teknologi. Temuan ini diperkuat oleh hasil refleksi siswa yang menunjukkan perubahan sikap dan perilaku digital ke arah yang lebih bijak. Dengan demikian, edukasi digital terbukti efektif dalam meningkatkan kesadaran jejak digital siswa dan dapat dijadikan strategi pembelajaran yang berkelanjutan di lingkungan sekolah.
Penerapan Data Mining Metode K-Means Clustering untuk Analisis Pola Gaya pada Fashion dalam Mengidentifikasi Preferensi Konsumen Mulyati Eka Saputri; Onoy Rohaeni; Cahya Rahmawati; Ashafa Multazam; Betrand Athariq Delpiero
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 1 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i1.15

Abstract

Penelitian ini bertujuan untuk menerapkan metode data mining menggunakan algoritma K-Means Clustering dalam menganalisis pola gaya pada produk fashion guna mengidentifikasi preferensi konsumen. Data yang digunakan merupakan data sekunder berupa dataset Fashion Product Images (Small) yang diperoleh dari Kaggle, dengan jumlah awal lebih dari 44.000 data produk fashion. Setelah melalui tahap pra-pemrosesan data yang meliputi pembersihan data, penghapusan nilai kosong dan data duplikat, transformasi data kategorikal menggunakan label encoding, serta normalisasi data, diperoleh sebanyak 7.091 data yang siap dianalisis. Atribut yang digunakan dalam proses clustering meliputi gender, masterCategory, subCategory, articleType, baseColour, season, usage, dan year. Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow dengan analisis nilai Within-Cluster Sum of Squares (WCSS), yang menunjukkan bahwa jumlah klaster terbaik adalah empat klaster. Hasil penerapan algoritma K-Means Clustering menghasilkan pengelompokan produk fashion ke dalam empat klaster dengan karakteristik pola gaya yang berbeda, yaitu gaya kasual sehari-hari, gaya formal dan semi-formal, gaya kasual modern dengan variasi warna, serta gaya sportswear dan aktivitas santai. Setiap klaster merepresentasikan kecenderungan preferensi konsumen terhadap jenis produk fashion tertentu. Hasil penelitian ini menunjukkan bahwa algoritma K-Means Clustering efektif digunakan untuk mengidentifikasi pola gaya dan preferensi konsumen pada produk fashion digital, sehingga dapat dimanfaatkan sebagai dasar dalam pengembangan strategi pemasaran, segmentasi produk, dan pengambilan keputusan pada industri fashion digital.
Implementasi Principal Componen Analysis untuk Mereduksi Faktor-faktor Kandungan Gizi yang Mempengaruhi Jenis Makanan Onoy Rohaeni; Mimah Mutmainah; Ariela Safmi Ramdhani; Ery Supriyadi R.
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 1 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i1.16

Abstract

Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data multivariat dengan mengubah variabel asli menjadi komponen utama yang lebih sedikit. Penelitian ini bertujuan untuk mereduksi faktor-faktor kandungan gizi yang mempengaruhi jenis makanan dengan membentuk beberapa komponen utama yang terbentuk untuk menggambarkan pola kandungan gizi makanan. PCA telah dilakukan untuk menyederhanakan data kandungan gizi makanan yang terdiri dari enam variabel. Hasil analisis menunjukkan bahwa dua komponen utama dapat menjelaskan 72,2% variasi total data. Komponen utama pertama merepresentasikan pola makanan berbasis karbohidrat, sedangkan komponen utama kedua merepresentasikan pola makanan tinggi energi dan protein. Meskipun nilai KMO rendah, hasil Bartlett’s Test of Sphericity menunjukkan korelasi signifikan antar variabel, sehingga PCA dapat digunakan sebagai analisis eksploratif untuk memperoleh gambaran awal struktur dan pola kandungan gizi makanan.
Eksplorasi Tren Data Sains Modern dan Signifikansi Matematika dalam Pemodelan Data dan Machine Learning Yurika Permanasari; Onoy Rohaeni; Farid Hirji Badruzzaman; Yenie Syukriyah
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 1 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i1.18

Abstract

peningkatan signifikan penelitian di bidang data sains. Bidang ini merupakan interdisipliner yang mengintegrasikan matematika, statistika, komputasi, serta pengetahuan untuk mengekstraksi informasi bernilai dari data berskala besar. Penelitian ini bertujuan mengkaji tren mutakhir data sains serta menganalisis peran matematika dalam pemodelan data dan machine learning. Metode yang digunakan adalah kajian literatur sistematis terhadap publikasi ilmiah terkini terkait data science, artificial intelligence, dan matematika terapan. Hasil kajian menunjukkan bahwa fokus penelitian saat ini mencakup machine learning, big data analytics, explainable artificial intelligence, serta isu etika data. Matematika terbukti menjadi fondasi utama melalui probabilitas, statistika, aljabar linear, dan optimasi matematis dalam pembangunan model prediktif dan analitik. Integrasi matematika dan teknologi data science menghasilkan model analitik yang lebih akurat dan reliabel, sehingga menjadi faktor penting dalam pengembangan teknologi analitik modern serta pendidikan berbasis data di masa depan.
Analisis Pemanfaatan Data Sains Dalam Pengambilan Keputusan pada UMKM Pakaian di Kecamatan Cimenyan Kabupaten Bandung Farid Hirji Badruzzaman; Yurika Permanasari; Onoy Rohaeni; Eka Purwanda
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i2.19

Abstract

Perkembangan teknologi digital telah mendorong pemanfaatan data sebagai sumber daya strategis dalam kegiatan bisnis, termasuk pada Usaha Mikro, Kecil, dan Menengah (UMKM). Namun, pemanfaatan data pada UMKM masih cenderung terbatas dan belum mendukung pengambilan keputusan secara optimal. Penelitian ini bertujuan menganalisis pemanfaatan data sains dalam pengambilan keputusan pada UMKM sektor pakaian di Kecamatan Cimenyan, Kabupaten Bandung, serta mengidentifikasi faktor-faktor yang memengaruhi penggunaannya. Penelitian menggunakan pendekatan kualitatif deskriptif dengan teknik pengumpulan data berupa wawancara mendalam, observasi, dan dokumentasi terhadap pelaku UMKM yang dipilih secara purposive. Analisis data dilakukan menggunakan model interaktif Miles, Huberman, dan Saldaña melalui tahapan reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa sebagian besar pelaku UMKM memahami data sebatas catatan penjualan dan stok barang yang digunakan untuk kebutuhan operasional. Pengambilan keputusan masih didominasi oleh intuisi dan pengalaman dibandingkan analisis data yang sistematis. Kendala utama yang dihadapi meliputi rendahnya literasi data, keterbatasan teknologi, serta kurangnya pengetahuan mengenai teknik analisis data. Meskipun demikian, pelaku UMKM mulai menyadari pentingnya data dalam mendukung pengembangan usaha dan peningkatan daya saing. Penelitian ini menyimpulkan bahwa terdapat kesenjangan antara potensi pemanfaatan data sains dan praktik yang dilakukan oleh pelaku UMKM. Oleh karena itu, diperlukan peningkatan literasi data, pelatihan analisis sederhana, serta dukungan teknologi yang mudah diakses guna mendorong pengambilan keputusan berbasis data pada UMKM.
Analisis Diskriminan Untuk Klasifikasi Varietas Benih Gandum Berdasarkan Karakteristik Morfologi Biji Onoy Rohaeni; Diyani Fauziyah; Fadhli Jahfal Aufa Maulana
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i2.20

Abstract

Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data multivariat dengan mengubah variabel asli menjadi komponen utama yang lebih sedikit. Penelitian ini bertujuan untuk mereduksi faktor-faktor kandungan giji yang mempengaruhi jenis makanan dengan membentuk beberapa komponen utama yang terbentuk untuk menggambarkan pola kandungan gizi makanan. PCA telah dilakukan untuk menyederhanakan data kandungan gizi makanan yang terdiri dari enam variabel. Hasil analisis menunjukkan bahwa dua komponen utama dapat menjelaskan 72,2% variasi total data. Komponen utama pertama merepresentasikan pola makanan berbasis karbohidrat, sedangkan komponen utama kedua merepresentasikan pola makanan tinggi energi dan protein. Meskipun nilai KMO rendah, hasil Bartlett’s Test of Sphericity menunjukkan korelasi signifikan antar variabel, sehingga PCA dapat digunakan sebagai analisis eksploratif untuk memperoleh gambaran awal struktur dan pola kandungan gizi makanan.
Analisis Klasifikasi Produktivitas Tanaman Biofarmaka di Kabupaten Sumedang Menggunakan Metode K-Means Clustering Ery Supriyadi Rustidja
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i2.21

Abstract

Penelitian ini bertujuan untuk mengelompokkan komoditas tanaman biofarmaka di Kabupaten Sumedang berdasarkan tingkat produksi, luas panen, dan produktivitas menggunakan metode K-Means Clustering. Data yang digunakan merupakan data sekunder tahun 2025 yang diperoleh dari Badan Pusat Statistik Kabupaten Sumedang. Tahapan analisis meliputi preprocessing data dengan normalisasi menggunakan metode Min-Max, penentuan jumlah cluster menggunakan metode Elbow, serta evaluasi hasil clustering menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster. Cluster 0 terdiri dari komoditas kencur dan lengkuas yang memiliki tingkat produksi dan luas panen tinggi namun produktivitas relatif rendah. Cluster 1 terdiri dari jahe dan kunyit yang memiliki produktivitas tinggi meskipun produksi dan luas panen rendah. Sementara itu, cluster 2 terdiri dari kapulaga, jeruk nipis, dan serai yang memiliki tingkat produksi, luas panen, dan produktivitas relatif rendah. Hasil evaluasi menggunakan Silhouette Score sebesar 0,500 menunjukkan bahwa kualitas clustering berada pada kategori cukup baik, sehingga metode K-Means mampu memberikan pengelompokan yang cukup representatif. Penelitian ini diharapkan dapat memberikan informasi dalam menentukan prioritas pengembangan komoditas biofarmaka di Kabupaten Sumedang.
Penerapan Algoritma Long Short-Term Memory pada Prediksi Harga Saham Harian PT Bank Syariah Indonesia (BRIS) Muhammad Haris Fadhillah; Indri Nur Sukmawati; Siti Nurhayati; Ni Asa Rembokowati
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i2.22

Abstract

Fluktuasi harga saham yang dinamis dan nonlinear menjadi tantangan besar dalam manajemen risiko investasi, khususnya pada sektor perbankan syariah yang perkembangannya kian akseleratif. Penelitian ini bertujuan untuk memprediksi harga penutupan (close price) harian saham PT Bank Syariah Indonesia Tbk (BRIS) dengan pendekatan kecerdasan buatan berbasis jaringan saraf tiruan Long Short-Term Memory (LSTM). Data historis sekuensial bersumber dari Investing.com ditransformasikan ke dalam format supervised learning melalui rekayasa fitur jendela bergeser (sliding window) berukuran 3 hari (t-3, t-2, t-1), dengan rentang nilai batas ekstrem Rp1.100 hingga Rp3.160. Dataset dibagi secara kronologis dengan rasio 80% untuk data pelatihan dan 20% untuk data pengujian. Hasil pengujian empiris menunjukkan bahwa model komputasi LSTM yang dibangun mampu melacak arah pergerakan tren dengan sangat presisi dan menghasilkan tingkat galat yang minim, ditunjukkan oleh perolehan nilai Mean Absolute Error (MAE) sebesar Rp50,09. Penelitian ini secara ilmiah membuktikan ketangguhan arsitektur LSTM dalam mengatasi masalah vanishing gradient dan keterbatasan model statistik linear konvensional, sehingga sangat andal direkomendasikan sebagai sistem pendukung keputusan yang akurat bagi para investor dalam melakukan perdagangan saham jangka pendek.

Page 2 of 3 | Total Record : 22

 1   2   3 

Filter by Year

2025 2026


Reset
Filter By Issues
All Issue Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 1 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 1 No. 2 (2025): Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 1 No. 1 (2025): Data Enthusiast: Jurnal Ilmiah Sains Data