cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Huzain
Contact Email
huzain.azis@umi.ac.id
Phone
+628114484875
Journal Mail Official
ijodas.journal@gmail.com
Editorial Address
Jln. Paccerakkang, Kel. Berua, Kec.Biringkanaya, Kota Makassar, Propinsi Sulawesi Selatan, 90241
Location
Unknown,
Unknown
INDONESIA
Indonesian Journal of Data and Science
Published by yocto brain
ISSN : -     EISSN : 27159930     DOI : -
Core Subject : Science, Education,
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics
IJODAS provides online media to publish scientific articles from research in the field of Data Science, Data Mining, Data Communication, Data Security and Data Representation
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 60 Documents
 1   2   3   4   5 
Multilayer Perceptron untuk Prediksi Sessions pada Sebuah Website Journal Elektronik Aji Prasetya Wibawa; Widya Lestari; Agung Bella Putra Utama; Irzan Tri Saputra; Zahra Nabila Izdihar
Indonesian Journal of Data and Science Vol. 1 No. 3 (2020): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v1i3.15

Abstract

Peramalan session website journal dilakukan untuk pendukung pengambilan keputusan dalam rangka meningkatkan kualitas dan nilai akreditasi pada website jurnal. Data sessions dianalisis berdasarkan pergerakan pola data time series menggunakan metode multilayer perceptron. Karakteristik yang dimiliki oleh multilayer perceptron yaitu keunggulan dalam penentuan nilai bobot yang lebih baik daripada metode lain, multilayer perceptron dapat digunakan tanpa pengetahuan sebelumnya dan algoritma dapat diimplementasikan dengan mudah serta mampu menyelesaikan masalah linear dan nonlinear sehingga nilai peramalan menjadi lebih baik. Penelitian menggunakan berbagai persentase data train dan test. Perbandingan data train dan test yang memiliki nilai terbaik adalah 80% data train dan 20% data test dengan learning rate 0.4 dan arsitektur 2-1-1. Hasil evaluasi model diperoleh nilai MSE dan RMSE, 0.015357 dan 0.123999 untuk training set serta, 0.018996 dan 0.137826 untuk MSE dan RMSE dari test set. Waktu eksekusi yang dibutuhkan untuk melakukan peramalan adalah 580.0651 second atau 9.667751 menit.
The Comparison of Logistic Regression Methods and Random Forest for Spotify Audio Mode Featurre Classification Lukhia Britanthia Christina Tanujaya; Bambang Susanto; Asido Saragih
Indonesian Journal of Data and Science Vol. 1 No. 3 (2020): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v1i3.16

Abstract

Studi ini membandingkan kemampuan dari metode regresi logistik dan random forest dalam melakukan klasifikasi fitur mode. Fitur mode ini merupakan fitur yang terdapat di dalam data fitur audio. Secara keseluruhan, data ini berisikan data dari musik atau lagu yang dirilis di platform Spotify yang di dalamnya terdapat berbagai fitur dari masing-masing musik. Dalam melakukan studi ini, metode regresi logistik dan metode random forest ini diterapkan dalam bahasa pemrograman Python. Setelah dilakukannya studi ini dapat disimpulkan bahwa metode random forest dapat melakukan klasifikasi yang lebih baik walaupun dengan selisih yang cukup dekat. Karena kedua metode ini adalah metode yang baik dalam melakukan klasifikasi. Fitur penting yang ditampilkan oleh random forest juga memberikan hasil yang lebih memuaskan, karena fitur yang dihasilkan memang fitur yang berkaitan dengan fitur mode dan sesuai dengan teori musik.
Perbandingan Metode ARIMA dan Jaringan Syaraf Tiruan untuk Peramalan Harga Beras wahyu ngestisari; Bambang Susanto; Tundjung Mahatma
Indonesian Journal of Data and Science Vol. 1 No. 3 (2020): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v1i3.18

Abstract

Beras merupakan bahan makanan pokok yang setiap bulannya selalu mengalami kenaikan dan penurunan harga, disebabkan adanya beberapa faktor. Hal ini menimbulkan ketertarikan untuk dilakukannya prediksi harga beras periode selanjutnya. Berdasarkan data rata-rata harga beras bulanan di tingkat grosir pada tahun 2010-2018 yang diperoleh dari situs resmi BPS, fluktuasi harga beras cenderung mengikuti pola musiman. Metode ARIMA merupakan metode yang paling sering digunakan dalam melakukan peramalan data berpola musiman. Metode lain yang dapat digunakan dalam melakukan peramalan harga beras adalah Jaringan Syaraf Tiruan metode Backpropagation. Pada penelitian ini dilakukan perbandingan terhadap kedua metode tersebut untuk menentukan metode yang lebih akurat dalam melakukan peramalan harga beras. Kriteria ukuran kesalahan peramalan yang digunakan untuk mengetahui ketepatan hasil peramalan adalah menghitung Mean Squared Error (MSE) dari data hasil ramalan masing-masing metode dengan data out sample (Januari 2019- Desember 2019). Berdasarkan hasil peramalan dengan metode ARIMA diperoleh model ARIMA terbaik adalah ARIMA (1,1,0) (0,1,1)12 dengan nilai MSE 51695.36. Sedangkan dengan Jaringan Syaraf Tiruan metode Backpropagation untuk 6 tahun model pelatihan dan 4 tahun untuk model pengujian, diperoleh model arsitektur terbaik adalah JST 12-7-1 dengan nilai MSE 43475.02. Dengan demikian metode yang paling optimal untuk memprediksi harga beras periode selanjutnya adalah JST 12-7-1.
Analisis Perbandingan Performa Metode Simple Moving Average dan Exponential Moving Average untuk Peramalan Jumlah Penderita Covid-19 Nurul Litha Sari; Tasrif Hasanuddin
Indonesian Journal of Data and Science Vol. 1 No. 3 (2020): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v1i3.19

Abstract

Pada penelitian bertujuan untuk memprediksi jumlah penderita covid-19 menggunakan metode Moving Average (SMA, dan EMA). Pengolahan data tersebut digunakan untuk memprediksi jumlah penderita covid-19. Adapun akurasi permalan yang digunakan dalam penelitian ini yaitu MAD, MSE, RMSE , dan MAPE. Model Moving Average Model yang akan digunakan pada penelitian ini merupakan metode untuk memperkirakan kondisi pada masa yang akan datang dengan menggunakan kumpulan data-data masa lalu. Periode waktu yang akan dikumpulkan data tersebut dapat berupa Tahunan, Bulanan, Mingguan, bahkan Harian. Hasil pengujian Simple Moving Average (SMA) pada line graph menunjukkan peramalan nilai lebih dekat dengan data real dibandingkan dengan Exponential Moving Average (EMA). Pengunaan SMA 2 hingga SMA5 menunjukkan hasil peramalan SMA 2 paling mendekati dari data real.
Analisis Perbandingan Metode K-Nearest Neighbor dan Naïve Bayes Clasiffier Pada Dataset Penderita Penyakit Jantung Sahar Sahar
Indonesian Journal of Data and Science Vol. 1 No. 3 (2020): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v1i3.20

Abstract

Di Indonesia telah terjadi pergeseran kejadian penyakit jantung dan pembuluh darah dari urutan ke-l0 tahun 1980 menjadi urutan ke-8 tahun 1986. Sedangkan penyebab kematian tetap menduduki peringkat ke-3. Dalam proses pengklasifikasian ini untuk mengetahui apakah termaksud penyakit jantung atau non penyakit jantung dengan mengunakan rumus dari metode K-Nearest Neighbor dan Naive Bayes Classifier yang menggunakan library scikit learn. Dalam proses penelitian ini kita melakukan perhitungan hasil nilai performa yang terdiri dari akurasi, presisi, recall dan f-measure pada dataset penyakit jantung. Menggunakan metode klasifikasi yg memiliki hasil uji performa tertinggi/terbaik. Berdasarkan hasil pengujian, didapatkan tingkat akurasi pada metode K-Nearest Neighbor sebesar 67%, presisi 65%, recall 73%, dan f-measure 96% pada nilai K=250 dan metode jarak Manhattan, tingkat akurasi pada metode jarak Euclidean sebesar 65%, presisi 65%, recall 69%, dan f-measure 67% pada nilai K=250 sedangkan pada metode Naïve Bayes Classifier tingkat akurasi yang didapatkan sebesar 58%, presisi 90%, recall 55% , dan f-measure 68%. Performa metode klasifikasi terbaik pada dataset Penyakit jantung yaitu metode KNN (K-Nearest Neighbor).
Analisis Klasifikasi Dataset Citra Penyakit Pneumonia menggunakan Metode K-Nearest Neighbor (KNN) Andi Ainun Dzariah Halim; Siska Anraeni
Indonesian Journal of Data and Science Vol. 2 No. 1 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v2i1.23

Abstract

Pneumonia adalah peradangan paru yang menyebabkan nyeri saat bernafas dan keterbatasan intake oksigen. Pneumonia dapat disebabkan oleh bakteri, virus, dan jamur. Penelitian ini menggunakan 1000 dataset citra. Dataset citra tersebut dikelola oleh Paul Mooney yang dikumpulkan dari pasien anak berusia 1-5 tahun di Guangzhou Women and Children’s Medical Center, Guangzhou pada 22 Maret 2018 hingga 25 Maret 2018. Penelitian ini bertujuan untuk menganalisis nilai performa (akurasi, presisi, recall, dan f-measure) pada proses klasifikasi dataset citra penyakit pneumonia dan tidak pneumonia. Tahapan yang dilakukan yaitu membagi dataset dengan berbagai simulasi rasio, deteteksi tepi sobel, ektraksi fitur moment invariant, klasifikasi metode KNN, nilai K=2 sampai K=900. Hasil Penelitian menunjukkan performa terbaik terdapat pada simulasi rasio 20:80 dengan memperoleh nilai akurasi 96%, presisi 97%, recall 97%, f-measure 97% dengan menggunakan nilai K=3.
Implementasi Bot Telegram pada Proses Retrieval Data dalam Database M. Imam Maulana
Indonesian Journal of Data and Science Vol. 2 No. 1 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v2i1.24

Abstract

Saat ini telah ada aplikasi Instant Messaging (IM) Telegram yang membantu mengirimkan pesan singkat. Aplikasi ini menjadi salah satu aplikasi IM yang sering digunakan oleh masyarakat. Kelebihan IM Telegram adalah adanya landasan untuk menggunakan Application Programming Interface (API) untuk masyarakat luas. Salah satu API yang disediakan adalah fitur Bot. Laboratorium Fakultas Ilmu Komputer adalah ruang praktikum mahasiswa yang digunakan sebagai tempat mahasiswa dalam melaksanakan kegiatan praktikum programming, yang dimana pelaksanaan jadwal praktikum dikelola langsung oleh laboratorium. Dalam pelaksanaan kegiatan praktikum mahasiswa terkadang kesulitan mendapatkan informasi perihal jadwal praktikum yang telah diperbarui dikarenalan laboratorium masih mengunakan cara yang konvensional. Tujuan dari penelitian ini adalah terciptanya sebuah wadah media informasi menggunakan Bot Telegram, dengan Bot ini maka praktikan hanya butuh untuk mengirimkan perintah ke akun Bot dan jadwal praktikum akan langsung diberikan ke pengguna yang membutuhkan.
Analisis Performa Metode K- Nearest Neighbor (KNN) dan Crossvalidation pada Data Penyakit Cardiovascular Inggrianti Pratiwi Putri
Indonesian Journal of Data and Science Vol. 2 No. 1 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v2i1.25

Abstract

Secara global, penyebab kematian nomor satu setiap tahunnya adalah penyakit Cardiovascular. Penyakit cardiovascular adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah, seperti Penyakit Jantung Koroner, Penyakit Gagal jantung atau Payah Jantung, Hipertensi dan Stroke. (Kemenkes RI, 2014). Tujuan dari penelitian ini adalah mengukur performa (akurasi, presisi, recall dan f-measure) metode knn dan crossvalidation pada dataset cardiovascular. dataset yang digunakan sebanyak 1000 record terdiri dari 11 atribut (age, gender, height, dsb) data pasien cardiovascular dan non cardiovascular, dataset tersebut diperoleh dari UCI Machine Learning Repository yang dikelola oleh Hungarian Institute of Cardiology Budapest: Andras Janosi, M.D., University Hospital, Zurich, Switzerland. Tahapan yang dilakukan yaitu: membagi rasio simulasi dataset (20:80, 50:50, 80:20), penerapan crossvalidation (k-fold=10) dan klasifikasi menggunakan metode K-NN (k=2 hingga K=900), Hasil penelitian dari simulasi rasio dataset 50:50 memperoleh nilai akurasi 82%, presisi 82%, recall 82% dan f-measure 80% pada nilai K=13. Kemudian hasil penelitian dari simulasi rasio dataset 20:80 memperoleh nilai akurasi 87%, presisi 87%, recall 97% dan f-measure 92% pada nilai K=3. Dan hasil penelitian dari simulasi rasio dataset 80:20 memperoleh nilai akurasi 91%, presisi 92%, recall 60% dan f-measure 72% pada nilai K=5.
Implementasi Algoritma Genetika Untuk Penjadwalan Laboratotium Fakultas Ilmu Komputer Universitas Muslim Indonesia Muh Syawal; Poetri Lestari Lokapitasari Belluano; Abdul Rachman Manga
Indonesian Journal of Data and Science Vol. 2 No. 1 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v2i1.29

Abstract

Penelitian ini bertujuan menerapkan algortima genetika pada sistem penjadwalan laboratorium Fakultas Ilmu Komputer Universitas Muslim Indonesia dengan memperhatikan 8 rule , yaitu jadwal tidak bertabrakan dengan kelas lain, menggunakan ruangan kosong, pengajar tidak mengajar bersamaan, matakuliah, matakuliah lab mendapatkan 2 ruangan, matakuliah lab mendapatkan waktu operasional lab, semua matakuliah diajarkan dan sesuai dengan mata kuliah ajar dosen, mahasiswa mendapatkan matakuliah yang di ajarkan berdasarkan semester. Teknik pengkodean yang digunakan yaitu pengkodean biner dengan metode seleksi menggunakan seleksi turnamen. Hasil dari penelitian menunjukkan waktu yang di butuhkan untuk generate jadwal di tiap rule membutuhkan waktu berbeda-beda tergantung dari kompleksitas proses. dari 8 rule yang telah di ujicoba terdapat 2 rule yang membutuhkan optimasi diantaranya rule semua matakuliah diajarkan dan sesuai dengan matakuliah ajar dosen dan mahasiswa mendapatkan matakuliah yang di ajarkan berdasarkan semester.
Implementasi Metode Visekriterijumsko Kompromisno Rangiranje (VIKOR) Pada Seleksi Program Keluarga Harapan Komponen Pendidikan Berbasis Web Muhammad Dhiya Ulhaq Ulhaq; Irawati
Indonesian Journal of Data and Science Vol. 2 No. 1 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v2i1.30

Abstract

Program Keluarga Harapan adalah program pemberian bantuan sosial kepada keluarga miskin yang ditetapkan sebagai penerima. Dalam penelitian ini, sistem pendukung keputusan digunakan untuk mendapatkan hasil keputusan terbaik dengan menggunakan Metode Vikor Multi-Criteria Optimization and Compromise Solution yang merupakan salah satu dari sekian banyak teknik MCDM dalam menentukan hasil keputusan terbaik. Tahap dalam penelitian ini meliputi penentuan Alternatif dan Kriteria selanjutnya dibentuk kedalam matriks yang akan di normalisasi. Tahap berikutnya matriks hasil normalisasi akan dikalikan dengan bobot kriteria yang telah ditentukan sehingga dalam proses selanjutnya dapat dihitung nilai Utility Measure (S) dan Regret Measure (R). Tahap terakhir menghitung indeks Vikor untuk mendapatkan nilai indeks setiap Alternatif, lalu nilai tersebut akan di ranking berdasarkan indeks terbaik. Semakin kecil nilai indeks maka semakin baik hasil keputusan. Berdasarkan hasil pengujian yang telah dilakukan menggunakan teknik Blackbox Testing diperoleh hasil perancangan sistem telah berjalan sesuai perencanaan serta dapat menentukan solusi terbaik pada setiap alternatif.

Page 2 of 6 | Total Record : 60

 1   2   3   4   5 

Filter by Year

2020 2023


Reset
Filter By Issues
All Issue Vol. 4 No. 2 (2023): Indonesian Journal of Data and Science Vol. 4 No. 1 (2023): Indonesian Journal of Data and Science Vol. 3 No. 3 (2022): Indonesian Journal of Data and Science Vol. 3 No. 2 (2022): Indonesian Journal of Data and Science Vol. 3 No. 1 (2022): Indonesian Journal of Data and Science Vol. 2 No. 3 (2021): Indonesian Journal of Data and Science Vol. 2 No. 2 (2021): Indonesian Journal of Data and Science Vol. 2 No. 1 (2021): Indonesian Journal of Data and Science Vol. 1 No. 3 (2020): Indonesian Journal of Data and Science Vol. 1 No. 2 (2020): Indonesian Journal of Data and Science Vol. 1 No. 1 (2020): Indonesian Journal of Data and Science More Issue