Articles
60 Documents
<![CDATA[Penerapan Metode Market Basket Analysis pada Minimarket Toko Baru ]]>
<![CDATA[rizkybayunovrianto]]>;
<![CDATA[Muslim]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 1 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (205.09 KB)
|
DOI: 10.33096/ijodas.v1i1.2
<![CDATA[Toko Baru merupakan suatu Usaha Kecil dan Menengah (UKM) yang mengembangkan bisnis dibidang minimarket. Toko Baru selama ini hanya dijalankan pribadi oleh pemiliknya, pemasaran pun dilakukan secara sendiri dan manual. Oleh karena itu salah satu upaya untuk mempermudah penjualan pada toko Baru adalah membuat suatu sistem yang digunakan untuk memenuhi persaingan dalam mengimplemasikan metode Market Basket Analysis (MBA). Market Basket Analysis (MBA) merupakan salah satu metode atau teknik yang dapat digunakan dan dimanfaatkan untuk lingkungan marketing. Metode ini digunakan untuk menentukan produk-produk manakah yang akan dibeli konsumen secara bersamaan dengan analisa terhadap daftar transaksi pelanggan yang dilihat pada support dan confident setiap barang.Hasil dari proses pencarian dengan software membuktikan bahwa hubungan yang terjadi antar item sangat penting dan kuat, karena ada pembelian satu item terkait pada item lainnya.]]>
<![CDATA[Klasifikasi Penyakit Jantung Menggunakan Metode K-Nearest Neighbor ]]>
<![CDATA[Hasran]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 1 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (180.001 KB)
|
DOI: 10.33096/ijodas.v1i1.3
<![CDATA[Secara global, penyebab kematian nomor satu setiap tahunnya adalah penyakit kardiovaskuler. Penyakit kardiovaskuler adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah(Kemenkes RI, 2014). K-Nearest Neighbor (KNN) adalah metode yang mencari kelompok objek dalam data training yang paling mirip dengan objek pada data baru atau data testing (Lestari, 2014). Penelitian ini mencakup pengukuran performa (akurasi, presisi, recall dan f-measure) metode KNN dengan nilai K 3 hingga 9 pada objek 1000 data pasien penyakit jantung yang diperoleh dari pusat dataset UCI Machine Learning Repository. Hasil dari pengukuran performa diperoleh nilai K terbaik adalah 6 dimana nilai akurasi 85%, presisi 78%, recall 93% dan f-measure sebesar 85%]]>
<![CDATA[Analisis Modifikasi Metode Playfair Cipher Dalam Pengamanan Data Teks ]]>
<![CDATA[Dian Susanti]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 1 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (366.466 KB)
|
DOI: 10.33096/ijodas.v1i1.4
<![CDATA[Dunia berkembang kian cepat seiring majunya teknologi informasi. Komunikasi kini menjadi tidak terbatas. Dengan banyaknya kemudahan untuk melakukan pengaksesan informasi, adakalanya diperlukan pengamanan informasi tersebut. Pengamanan ini berfungsi menangani pencegahan atas sampainya informasi ke tangan yang tidak berhak yang dapat menimbulkan kerugian bagi pemilik informasi. Metode Playfair Cipher merupakan salah satu metode yang digolongkan dalam kriptografi klasik yang proses enkripsinya menggunakan pemrosesan dalam bentuk blok-blok yang sangat besar. Metode Playfair Cipher menggunakan pembentukan tabel berdasarkan kunci yang diketahui. Penulis melakukan modifikasi metode Playfair Cipher menggunakan tabel 8x8 ini mempersulit pemecahan analisis digram dan frekuensi analisis karena semakin acak isi tabel akan menghasilkan ciphertext yang acak. Hasil pengujian ini yaitu pada aplikasi ini memberi dua layanan keamanan data saja yaitu Confidentiality dan Authentication, penggunaan kunci Metode Playfair Cipher jika penggunaan kunci yang digunakan panjangnya lebih pendek maka semakin cepat juga waktu enkripsi dan dekripsinya dan terdapat karakter tambahan yaitu karakter Space]]>
<![CDATA[Penerapan Metode Digital Watermarking dan Privilege pada Dokumen Skripsi ]]>
<![CDATA[hidayani nursan]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 1 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (161.202 KB)
|
DOI: 10.33096/ijodas.v1i1.5
<![CDATA[Dengan perkembangan perangkat komputer dan internet yang semakin pesat menjadikan pertukaran data dan informasi secara digital semakin banyak digunakan. Namun sebagian dari data tersebut harusnya tidak dapat didistribusi atau dimodifikasi secara bebas (tanpa izin), karena mengandung hak kekayaan intelektual penciptanya. Secara garis besar sistem ini memiliki dua inputan yaitu dokumen dan gambar yang mana gambar dijadikan sebagai watermark pada dokumen, kemudian dilanjutkan dengan melakukan proses privilege/disable copy print. Hasil dari penelitian ini adalah sistem berhasil menerapkan layanan watermarking dan disable copy print terhadap file dokumen skripsi di semua flatfoam, kecuali disable copy print belum berhasil di terapkan pada priview di sistem operasi linux.]]>
<![CDATA[Implementasi Kombinasi Algoritma Enkripsi Rivest Shamir Adleman (Rsa) dan Algoritma Kompresi Huffman Pada File Document ]]>
<![CDATA[Andi Inayah Auliyah]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 1 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (152.615 KB)
|
DOI: 10.33096/ijodas.v1i1.6
<![CDATA[Enkripsi yaitu proses merubah data asli menjadi data samaran dan dekripsi yaitu proses pengembalian data samara menjadi data asli kembali. Terlepas dari masalah keamanan data, masalah lain yang harus kita perhatikan adalah ukuran data atau informasi yang semakin besar oleh karena itu perlu adanya upaya untuk menanggulangi masalah tersebut salah satunya yaitu dengan menggunkan algoritma kombinasi. Maka dari itu penulis mengkombinasikan kedua metode tersebut yaitu metode Enkripsi dan metode Kombinasi untuk melihat manakah cara yang lebih efisien digunakan antara dienkripsi terlebih dahulu kemudian dikompresi atau sebaliknya.Dengan mengkombinasikan kedua algoritma tersebut penulis menemukan bahwa hasil yang diberikan dari kombinasi tersebut tidak maksimal karena ukuran file hasil proses menjadi lebih besar dibandingkan file asli sebelum diproses. Dari hasil analisis data dalam penelitian ini, maka untuk persentasi keberhasilan prosesnya dapat dibagi menjadi empat bagian.yaitu proses enkripsi-kompresi,kompresi-enkripsi,dekompresi-dekripsi dan dekripsi-dekompresi dengan tingkat keberhasilan 100%. Jika dilihat dari proses tingkat keberhasilan sangat memuaskan namun jika dilihat keberhasilan mengembalikan isi file itu dapat dibagi menjadi dua bagian yaitu proses dekompresi-dekripsi persentasi keberhasilannya itu sebanyak 33,34% dan pesentasi kegagalan sekitar 66,67% sedangkan untuk proses dekripsi-dekopresi persentasi keberhasilan sekitar 33,34% dan persentasi kegagalan sekitar 66,67%]]>
<![CDATA[Implementasi Algoritma Goverment Standard (GOST) dalam Pengamanan File Dokumen ]]>
<![CDATA[sugiarti sugiarti]]>;
<![CDATA[Mirnawati]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 2 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (163.821 KB)
|
DOI: 10.33096/ijodas.v1i2.10
<![CDATA[Dokumentasi dalam teknologi saat ini adalah hal yang tak dapat terlepas dari kebutuhan suatu lembaga atau instansi dimana dokumen adalah hal yang paling sering digunakan baik dalam bentuk dokumen manual maupun dalam bentuk file teks dalam komputer. Oleh karena itu,.keamanan data atau dokumen rahasia sangat dibutuhkan dalam bisnis maupun pribadi. Tetapi dalam pengiriman atau pengamanan file data yang bersifat rahasia masih kurang dalam sistem keamanan data. Maka dari itu perlu keamanan tambahan untuk proses penyimpanan file baik itu file yang di rasa pribadi maupun data dalam keorganisasian dengan menggunakan proses enkripsi dan deskripsi menggunakan metode Government Standard (GOST). Maka data penting dapat lebih terjaga dan dengan adanya aplikasi ini kita dapat mengenkripsi data untuk menjaga kerahasiaan file yang kita simpan. Aplikasi ini dibangun dengan menggunakan Visual Studio 2010.]]>
<![CDATA[Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes ]]>
<![CDATA[Andi Maulida Argina]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 2 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (183.376 KB)
|
DOI: 10.33096/ijodas.v1i2.11
<![CDATA[Diabetes adalah penyakit yang berlangsung lama atau kronis serta ditandai dengan kadar gula (glukosa) darah yang tinggi atau di atas nilai normal. Jika diabetes tidak dikontrol dengan baik, Pengujian performa berbagai metode pada sebuah dataset merupakan salah satu cara dalam penetapan metode klasifikasi yang tepat, masalah yang diangkat pada penelitian ini adalah bagaimana mengukur performa metode klasifikasi dalam mengelola dataset penderita diabetes. Metode yang digunakan yaitu algoritma K-Nearest Neighbor (KNN), dimana merupakan sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Pada hasil akhir penelitian ini, telah dihitung akurasi tertinggi 39% pada K=3, presisi tertinggi 65% pada K=3 dan K=5, recall tertinggi 36% pada K=3, dan F-Measure tertinggi 46% pada K=3.]]>
<![CDATA[Klasifikasi Aroma Alkohol Menggunakan Metode KNN ]]>
<![CDATA[Fadhila Tangguh Admojo]]>;
<![CDATA[Ahsanawati]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 2 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (243.477 KB)
|
DOI: 10.33096/ijodas.v1i2.12
<![CDATA[Alkohol adalah senyawa-senyawa dimana satu atau lebih atom hidrogen dalam sebuah alkana digantikan oleh sebuah gugus -OH. Alkohol memiliki ikatan yang mirip air. Alkohol terdiri dari molekul polar. Dalam senyawa alkohol, oksigen mengemban muatan negatif parsial. Alkohol telah digunakan oleh orang di seluruh dunia, dalam makanan standar, untuk higienis / alasan medis, untuk relaksan dan efek euforia, untuk tujuan rekreasi, untuk inspirasi artistik, sebagai aphrodisiacs, dan untuk alasan lain. Alkohol memiliki beberapa jenis senyawa diantaranya adalah octanol, propanol, Butanol, propanol, dan isobutanol. Oleh karena itu dibutuhkan sensor untuk mendeteksi jenis bahan kimia pada suatu cairan berdasarkan aromanya dengan menerapkan salah satu metode klasifikasi yaitu K-Nearest Neighbor (KNN). Pengujian system ini terdiri dari pengujian pengaruh nilai K dan pengaruh nilai crossvalidation. Hasil dari pengujian pengaruh nilai K menghasilkan akurasi optimum senilai 100% pada nilai K=3 dan 100% pada nilai K=4]]>
<![CDATA[Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara ]]>
<![CDATA[Dewi Cahyanti]]>;
<![CDATA[Alifah Rahmayani]]>;
<![CDATA[Syafira Ainy Husniar]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 2 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (228.704 KB)
|
DOI: 10.33096/ijodas.v1i2.13
<![CDATA[Abstrak-Kanker payudara adalah penyakit non kulit yang berasal dari sel kelenjar, saluran kelenjar, dan jaringan penunjang payudara. Paper ini menggunakan metode K Nearest Neighbor untuk mengklasifikasi dataset. K-Nearest Neighbor adalah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Penelitian ini mencoba menerapkan metode knn pada dataset pasien pengidap penyakit kanker payudara, k yg diterapkan adalah k=3 hingga k=5 serta menerapkan crossvalidation dengan kfold=5, setelah dilakukan pengujian maka dengan metode KNN diperoleh hasil tertinggi untuk Akurasi dengan nilai 0,93 pada 20% keempat (K3), 20% Pertama(K4) dan 20% pertama(K5), untuk Presisi dengan nilai 0,97 pada 20% keempat(K3), untuk Recall dengan nilai 0,98 pada 20% ketiga (K3) dan F-measure dengan nilai 0,94 pada 20% keempat(K3) dan 20% ketiga(K5).]]>
<![CDATA[Perancangan sistem pendukung keputusan dalam pengalokasian dana bantuan sosial di kabupaten pinrang dengan menggunakan metode AHP ]]>
<![CDATA[Harlinda Harlinda]]>;
<![CDATA[Nasir Nasir]]>
<![CDATA[ Indonesian Journal of Data and Science Vol. 1 No. 2 (2020): Indonesian Journal of Data and Science ]]>
Publisher : <![CDATA[yocto brain ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (202.504 KB)
|
DOI: 10.33096/ijodas.v1i2.14
<![CDATA[Penelitian ini bertujuan untuk membuat sistem yang dapat membantu pemerintah kabupaten Pinrang dalam menentukan penerima bantuan sosial yang layak.Sistem yang digunakan adalah sistem pendukung keputusan dengan menggunakan metode AHP berbasis website.Dalam Sistem ini terdapat 6 Kriteria-kriteria yang dapat membantu pemerintah untuk dapat memperhitungkan manfaat dan resiko dari setiap keputusannya, Kriteria-kriteria tersebut dianalisis menggunakan metode AHP menggunakan berbasis website.Penelitian ini berusaha untuk membentuk suatu sistem pendukung keputusan yang diharapkan dapat membantu pengambil keputusan untuk melaksanakan pertimbangannya. Sistem yang dibangun akan memudahkan pengambil keputusan untuk membuat, menghapus, ataupun mengedit model-model penilaian yang ada. Dengan mengetahui model yang paling tepat untuk masing-masing kelompok ataupun usulan, diharapkan pengalokasian dana Bantuan sosial usaha khususnya di Kabupaten Pinrang Propinsi Sulawesi Selatan dapat diperoleh oleh masyarakat dan wilayah yang benar- benar membutuhkannya]]>
