Claim Missing Document
Check
Articles

Found 13 Documents
Search

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%.
Sosialisasi dan Pelatihan Penggunaan Aplikasi Untuk Membantu Pengelompokkan Menu di Wisanggeni Coffee Hartatik Hartatik; Andri Syafrianto
JAMU : Jurnal Abdi Masyarakat UMUS Vol. 1 No. 02 (2021): Februari
Publisher : LPPM Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (559.921 KB) | DOI: 10.46772/jamu.v1i02.342

Abstract

Wisanggeni Coffee adalah sebuah cafe yang terletak di kaki bukit Gunung Merapi. Ketatnya persaingan bisnis menuntut pemilik Wisanggeni Coffee untuk terus berinovasi dalam setiap penentuan strategi bisnisnya. Beberapa permasalahan yang ditemukan di adalah persaingan bisnis yang ketat membuat trend penjualan stagnan. Selain itu pemilik kesulitan untuk mendapatkan pola pembelian konsumen. Pola pembelian yang tidak terprediksi membuat pemilik kesulitan dalam penentuan stok bahan makanan, minuman dan souvenir yang dijual. Kurang terprediksinya pola konsumen juga sering membuat kehilangan kesempatan untuk menjual makanan, minuman dan souvenir karena out of stock. Memanfaatkan ilmu yang ada di bidang komputer yaitu asosiasi untuk mendapatkan pola pembelian konsumen di “Wisanggeni Coffee”. Aplikasi yang dibangun akan menggunakan metode apriori. Metode apriori akan menganalisa pola pembelian konsumen 1 bulan terakhir guna mendapatkan pola asosiasi antar produk makanan, minuman dan souvenir yang dijual. Hasil dari pengabdian ini adalah keinginan pemilik dalam membangun sistem asosiasi cukup baik. Pemilik langsung menerapkan aplikasi baik dalam pola menawarkan menu maupun mengatur tata letak souvenir di rak penjualan. Sebelumnya kami menargetkan sampai pada evaluasi hasil penerapan aplikasi apakah bisa meningkatkan penjualan. Namun karena pandemi Covid-19 tidak kunjung selesai, evaluasi ini kami tunda hingga kegiatan wisata pulih kembali.
Sentimen Analis Thread Investasi Pada Twitter Menggunakan Naïve Bayes Hartatik Hartatik
The Indonesian Journal of Computer Science Research Vol. 1 No. 1 (2021): January
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (448.014 KB) | DOI: 10.59095/ijcsr.v1i1.13

Abstract

Social media is one of the market shares that allows people to consume news or promotions from an investment service because the source data is abundant and is updated every second on the internet. Social media is vulnerable to containing news or information on an investment platform and other forms of investment that are illegal or called fraudulent investments, so to overcome this, an Investment Thread Analyst Sentiment on Twitter is needed. The method used to evaluate investment threads to obtain positive and negative feedback is nave Bayes. The research results received a precision score of 0.69, recall of 0.70, f1-score (f-measure) of 0.74, and accuracy of 0.7.