cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Nur Ghaniaviyanto Ramadhan
Contact Email
ghani@ittelkom-pwt.ac.id
Phone
+6282240205948
Journal Mail Official
journal-dinda@ittelkom-pwt.ac.id
Editorial Address
http://journal.ittelkom-pwt.ac.id/index.php/dinda/about/editorialTeam
Location
Kab. banyumas,
Jawa tengah
INDONESIA
Journal of Dinda : Data Science, Information Technology, and Data Analytics
Published by Institut Teknologi Telkom Purwokerto
ISSN : -     EISSN : 28098064     DOI : https://doi.org/10.20895/dinda
Core Subject : Science,
Computer Science & IT
Journal of Dinda : Data Science, Information Technology, and Data Analytics as a publication media for research results in the fields of Data Science, Information Technology, and Data Analytics, but not implicitly limited. Published 2 times a year in February and August. The journal is managed by the Data Engineering Research Group, Faculty of Informatics, Telkom Purwokerto Institute of Technology. Journal of Dinda is a medium for scientific studies resulting from research, thinking, and critical-analytic studies regarding Data Science, Informatics, and Information Technology. This journal is expected to be a place to foster enthusiasm in education, research, and community service which continues to develop into supporting references for academics. FOCUS AND SCOPE Journal of Dinda : Data Science, Information Technology, and Data Analytics receive scientific articles with the scope of research on: Machine Learning, Deep Learning, Artificial Intelligence, Databases, Statistics, Optimization, Natural Language Processing, Big Data and Cloud Computing, Bioinformatics, Computer Vision, Speech Processing, Information Theory and Models, Data Mining, Mathematical, Probabilistic and Statical Theories, Machine Learning Theories, Models and Systems, Social Science, Information Technology
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol 1 No 1 (2021): February" : 5 Documents clear
Hasil Klasifikasi Algoritma Backpropagation dan K-Nearest Neighbor pada Cardiovascular Disease Nashrulloh Khoiruzzaman; Rima Dias Ramadhani; Apri Junaidi
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 1 No 1 (2021): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (628.386 KB) | DOI: 10.20895/dinda.v1i1.141

Abstract

Cardiovascular disease adalah penyakit yang diakibatkan oleh kelainan yang terjadi pada organ jantung. Cardivascular disease dapat menyerang manusia dari usia muda hingga usia tua yang terdapat 13 faktor yang mempengaruhinya yaitu Age, Sex, Chest pain, Trestbps, Chol, Fbs, Restecg, Thalach, Exang, Oldpeak, Slope, Ca, dan Thal. Cardiovascular disease beragam jenisnya antara lain penyakit jantung koroner, gagal jantung, tekanan darah tinggi, tekanan darah rendah dan lain-lain. Oleh karena itu, penelitian ini memiliki tujuan untuk melakukan klasifikasi terhadap cardiovascular disease. Pada penelitian ini menggunakan algoritma backpropagation dan algoritma K-nearest neighbor. Langkah awal dilakukan adalah proses perhitungan euclidean distance pada K-NN untuk mencari jarak k terdekat untuk mendapatkan kategori berdasarkan frequensi terbanyak dari nilai k yang ditentukan dan mencari bobot baru untuk algoritma backpropagation untuk mendapatkan bobot baru yang digunakan untuk mendapatkan nilai yang sesuai dengan yang diharapkan. Pengujian sistem ini terdiri dari pengujian nilai akurasi dengan nilai K, pengujian K-fold X validation dan pengaruh hidden layer. Hasil dari Penelitian ini bahwa algoritma backpropagation menghasilkan nilai akurasi sebesar 64%, presisi sebesar 62%, recall sebesar 64% dan algoritma K-nearest neighbor menghasilkan nilai akurasi sebesar 66%, presisi sebesar 61% dan recall sebesar 66%. Pengaruh hidden layer terhadap algoritma backpropagation dalam mengklasifikasikan cardiovascular disease sangat besar hal ini sesuai dengan hasil dari penelitian yang telah dilakukan bahwa ketika jumlah hidden layer kecil, nilai yang dihasilkan juga kecil akan tetapi ketika jumlah hidden layernya tinggi nilai akurasinya bahkan menjadi rendah .
Analisis Sentimen Masyarakat Terhadap COVID-19 Pada Media Sosial Twitter Ardianne Luthfika Fairuz; Rima Dias Ramadhani; Nia Annisa Ferani Tanjung
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 1 No 1 (2021): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (591.332 KB) | DOI: 10.20895/dinda.v1i1.180

Abstract

Akhir tahun 2019 lalu dunia digemparkan oleh munculnya suatu penyakit yang disebabkan oleh virus SARS-CoV-2 yang merupakan jenis virus terbaru dari coronavirus. Penyakit ini dikenal dengan nama COVID-19. Penyebaran penyakit ini terbilang cukup luas dan cepat. Dalam waktu singkat penyakit ini mulai menyebar ke segala penjuru dunia tak terkecuali Indonesia. Dengan tingkat penyebaran yang begitu tinggi dan belum ditemukannya vaksin untuk COVID-19, menyebabkan kekacauan di tengah masyarakat. Hal ini mempengaruhi banyak sektor kehidupan masyarakat. Tak sedikit masyarakat yang aktif bersosial media dan menuliskan pendapat, opini serta pemikirannya di platform media sosial seperti Twitter. Terjadinya pandemi ini mendorong masyarakat untuk menuliskan opini, pemikiran serta pendapatnya terhadap COVID-19 pada media sosial Twitter. Dibutuhkan suatu model sentiment analysis untuk mengklasifikasi tweet masyarakat di Twitter menjadi positif dan negatif. Sentiment analysis merupakan bagian dari Natural Language Processing yang membuat sebuah sistem guna mengenali serta mengekstraksi opini dalam bentuk teks. Pada penelitian ini digunakan algoritma Naive Bayes dan K-Nearest Neighbor untuk digunakan dalam membangun model sentiment analysis terhadap tweet pengguna Twitter terhadap COVID-19. Didapatkan akurasi sebesar 85% untuk algoritma Naïve Bayes dan 82% untuk algoritma K-Nearest Neighbor pada nilai k=6, 8, dan 14.
RANCANG BANGUN SISTEM KEAMANAN RUMAH AUTENTIFIKASI FINGERPRINT BERBASIS TELEGRAM MONITORING DENGAN PENGUATAN KAMERA SEBAGAI REKAM WAJAH Renaldo Renaldo; Hary Nugroho
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 1 No 1 (2021): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (785.875 KB) | DOI: 10.20895/dinda.v1i1.181

Abstract

Alat yang saya buat disini menjadi inovasi dimasa yang akan datang,yaitu dengan keamanan pintu di rumah,dimana ketika pemilik rumah sedang tertidur atau pun sedang menjalankan kegiatan di luar rumah,dengan adanya alat saya di sini membantu si pemilik rumah memonitoring keadaan rumah memlalui pintu,alat yang saya buat terhubung pada telegram dimana ketika data masuk akan terkirim di telegram,jika si calon autentikasi belum terdaftar maka pintu tidak akan terbuka,meminimalisir kejahatan melaui alat saya,dalam alat saya terdapat fingerprint dan camera,selain autentikasi di fingerprint alat saya juga terdapat camera yang akan mengcapture wajah siapa saja yang masuk kerumah melalui proses yang benar atau berusaha memaksa masuk melalui pintu
Perancangan Aplikasi Kamus Online Informatika-Indonesia Beserta Fungsinya Berbasis Web Menggunakan Metode Sequential Search Alfira Mahda Ramadini; Apri Junaidi; Fahrudin Mukti Wibowo
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 1 No 1 (2021): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (677.711 KB) | DOI: 10.20895/dinda.v1i1.184

Abstract

In this era of digital optimization, Information and Communication Technology is growing very rapidly. This is in line with the demands and human needs that have been actualized in various fields, such as knowledge and education. To support a learning process based on SCIENCE (Science and Technology) required several supporting aspects such as online dictionary that includes vocabulary and functions of words / terms in the FIELD of IT. One of the supporting aspects is an alternative tool in the form of media that facilitates every community in learning the terms in the field of informatics. According to pie chart data from questionnaires that the authors made, as much as 50 percent of the knowledge of the term informatics of the general public (lay people) can be said to be still very low. In contrast to the academic community such as IT Lecturers and IT Students who do master the field, although it does not close the possibility there are some IT Students who do not fully understand in their fields. The expected result of the authors in this study is the increasing knowledge, especially the general public (lay people) in studying science in the field of IT especially language and informatics terms through online disses. This Online Dictionary application will be designed website-based using sequential search method where sequential search (also called linear search) is the most simple search model performed on a data set. The Online Dictionary application will run by searching for vocabulary or terms in informatics according to the keywords they are looking for, making it easier for users to learn the language of informatics. Keywords: Website, Vocabulary, Dictionary Online, Informatics, IT, Sequential Search, Science and Technology
Pengenalan Jenis Kelamin Manusia Berbasis Suara Menggunakan MFCC dan GMM Faisal Dharma Adhinata; Diovianto Putra Rakhmadani; Alon Jala Tirta Segara
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 1 No 1 (2021): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (686.041 KB) | DOI: 10.20895/dinda.v1i1.198

Abstract

Biometric information that exists in humans is unique from one human to another. One of the biometric data that is easily obtained is the human voice. The human voice is identic data that can differentiate between individuals. When we hear human voices directly, it is easy for our ears to tell the person who is speaking is male or female. But sometimes male voices can resemble girls and vice versa. Therefore, we propose a human voice detection system through Artificial Intelligence (AI) in machine learning. In this study, we used the Mel Frequency Cepstrum Coefficients (MFCC) method to extract human voice features and Gaussian Mixture Models (GMM) for the classification of female or male voice data. The experiment results showed that the system built was able to detect human gender through biometric voice data with an accuracy of 81.18%.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2021 2021


Reset
Filter By Issues
All Issue Vol 3 No 2 (2023): August Vol 3 No 1 (2023): February Vol 2 No 2 (2022): August Vol 2 No 1 (2022): February Vol 1 No 2 (2021): August Vol 1 No 1 (2021): February