Article Per Year (5 Year)
p-Index From 2019 - 2024
1.456
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Ilmiah Matrik METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi CSRID (Computer Science Research and Its Development Journal) IT (INFORMATIC TECHNIQUE) JOURNAL JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Jurnal Ilmiah Intech : Information Technology Journal of UMUS Journal Automation Computer Information System (JACIS) Abdiformatika: Jurnal Pengabdian Masyarakat Informatika The Indonesian Journal of Computer Science Research JAMU : Jurnal Abdi Masyarakat UMUS
Hartatik
Fakultas Ilmu Komputer, Universitas Amikom Yogyakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM)

 1 
PENGARUH USER PROFILING PADA REKOMENDASI SISTEM MENGGUNAKAN K MEANS DAN KNN Hartatik Hartatik; Rosyid Rosyid
Journal of Information System Management (JOISM) Vol. 2 No. 1 (2020): Juni
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (730.745 KB) | DOI: 10.24076/joism.2020v2i1.199

Abstract

Sparsity adalah satu masalah yang sering terjadi pada teknik collaborative clustering dimana user sedikit sekali memiliki informasi (pada penelitian ini rating) yang menyebabkan sistem seringkali tidak akurat ketika memberikan rekomendasi. Banyak metode yang bisa digunakan untuk menyelesaikan masalah sparsity data, salah satunya adalah metode KNN. Namun metode KNN memiliki kelemahan yaitu scalability. Scalability terjadi ketika ketika data yang harus dicari kesamaannya semakin besar. Salah satu solusi yang mungkin diimplementasikan adalah dengan mencari profil dari user dan mengelompokkannya menjadi satu kelompok. Eksperimen yang dilakukan pada penelitian ini untuk mengatasi masalah sparsity dan scalability adalah dengan menggabungkan algoritma silhouette, k-means, K-Nearest Neighbour. Dataset yang dipakai di penelitian ini, berjumlah 700 rating yang di crawling melalui web traveloka. Data rating antara user dan item akan disimpan dalam database, untuk selanjutnya dirubah menjadi bentuk array user-item. Hasil pengujian dengan 5 data uji didapatkan nilai rata-rata RMSE 1,33% dengan rata-rata akurasi = 100% - 1,33% = 98,67%.
Co-Authors Al Abdul Rohim Andri Syafrianto Anggit Dwi Hartanto Anggit Dwi Hartanto Arifa Satria Dwi Cahya Ema Utami Harliana Harliana Hastari Utama Krisnawati Krisnawati Lucky Adhikrisna Wirasakti Rony Permadi Rosyid Rosyid Shintya Wulan Safitri Sri Devi Nurhayati Taufiq Nashrullah Wiwi Widayani