Implementasi dan Analisis Algoritma Content-Based Filtering Pada Sistem Rekomendasi Produk Tas pada Basis Data MySQL

Authors

• Aryoga Pranata Fakultas Teknik, Universitas Widyatama Bandung, Indonesia
• Feri Sulianta Fakultas Teknik, Universitas Widyatama Bandung, Indonesia

DOI:

https://doi.org/10.55681/jige.v6i3.4017

Keywords:

Recommendation system, content-based filtering, natural language processing, MySQL, e-commerce

Abstract

Recommendation systems have become a crucial component in various digital platforms to enhance user experience by providing relevant product suggestions. This research aims to implement and analyze the Content-Based Filtering (CBF) algorithm in a product recommendation system using the MySQL database. The CBF algorithm works by recommending products similar to those already liked or purchased by the user based on the features of those products. In this context, features such as product category, brand, and text description are used to generate relevant recommendations. The implementation of this algorithm involves using Natural Language Processing (NLP) techniques to extract features from product descriptions stored in the database. The first phase of this research involves collecting and processing product data to ensure consistency and readiness for further analysis. Key features of each product are then extracted and their similarities calculated using the CBF algorithm. Subsequently, the recommendation results are tested and evaluated using performance metrics such as Precision and Recall to determine the system's effectiveness in providing relevant and beneficial recommendations to users. The research findings indicate that the CBF algorithm can provide fairly accurate and relevant product recommendations, enhancing user satisfaction by offering product choices that match their preferences. Performance evaluation also demonstrates that the system is effective in recognizing user preference patterns and providing useful suggestions. Additionally, the use of the MySQL database offers advantages in efficient data management and processing. With this recommendation system, it is expected to improve user satisfaction and engagement in the e-commerce platform. The use of CBF techniques enables the system to continually learn and adapt to user preferences, providing increasingly relevant recommendations over time.

 

References

Aisha, D., & Kusumawati, R. (2022). Implementasi metode algoritma collaborative filtering & k-nearest neighbor pada sistem rekomendasi e-commerce. Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer, 2(3), 25–38.

Alkaff, M., Khatimi, H., & Eriadi, A. (2020). Sistem Rekomendasi Buku Menggunakan Weighted Tree Similarity dan Content Based Filtering. MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput, 20(1), 193–202.

Aprianto, A. (2022). TA: Penerapan Algoritma Content-Based Filtering untuk Rekomendasi Destinasi Wisata pada Aplikasi Picnicker. Universitas Dinamika.

Ardiansyah, R., Bianto, M. A., & Saputra, B. D. (2023). Sistem Rekomendasi Buku Perpustakaan Sekolah menggunakan Metode Content-Based Filtering. Jurnal CoSciTech (Computer Science and Information Technology), 4(2), 510–518.

Christian, Y., & Kelvin, K. (2022). Rancang Bangun Aplikasi Kursus Online Berbasis Web Dengan Sistem Rekomendasi Metode Content-Based Filtering. Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, 7(1), 23–36.

DQLab. (2024). Content-based filtering dalam algoritma data science. Diakses pada 19 Mei 2024 dari https://dqlab.id/content-based-filtering-dalam-algoritma-data-science

Kusrini, M. K., & Kom, M. (2007). Konsep dan aplikasi sistem pendukung keputusan. Penerbit Andi, 14–21.

Laksito, A. (2022). Sistem rekomendasi content-based filtering menggunakan PHP. Diakses pada 19 Mei 2024 dari https://blog.ariflaksito.net/2022/07/system-rekomendasi-content-based-php-mysql-part1.html

Larasati, F. B. A., & Februariyanti, H. (2021). Sistem Rekomendasi Product Emina Cosmetics Dengan Menggunakan Metode Content-Based Filtering. Jurnal Manajemen Informatika Dan Sistem Informasi, 4(1), 45–54.

Mardani, L. D. (2024). Implementasi Rekomendasi Content Based Filtering Dengan Apriori Berbasis Android (Doctoral dissertation, Universitas Mercu Buana Jakarta).

Mondi, R. H., Wijayanto, A., & Winarno, W. (2019). Recommendation system with content-based filtering method for culinary tourism in Mangan application. ITSMART: Jurnal Teknologi dan Informasi, 8(2), 65–72.

Nastiti, P. (2019). Penerapan Metode Content Based Filtering Dalam Implementasi Sistem Rekomendasi Tanaman Pangan. Teknika, 8(1), 1–10.

Parwita, W. G. S. (2019). Pengujian Akurasi Sistem Rekomendasi Berbasis Content-Based Filtering. Inform. Mulawarman J. Ilm. Ilmu Komputer, 14(1), 27.

Priskila, R., Sari, N. N. K., & Putra, P. B. A. A. (2024). Implementasi Content-Based Filtering Menggunakan Tf-Idf and Cosine Similarity Untuk Sistem Rekomendasi Resep Masakan. Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika, 18(1), 43–51.

Putri, M. W., Muchayan, A., & Kamisutara, M. (2020). Sistem rekomendasi produk pena eksklusif menggunakan metode content-based filtering dan TF-IDF. JOINTECS (Journal of Information Technology and Computer Science), 5(3), 229–236.

Ridhwanullah, D., Kumarahadi, Y. K., & Raharja, B. D. (2024). Content-Based Filtering pada Sistem Rekomendasi Buku Informatika. Jurnal Ilmiah SINUS, 22(2), 57–66.

Klik di sini untuk mendownload

 

Read More

Rancang Bangun Website Edukatif di Sekolah SDN 162 Warung Jambu Kiaracondong berbasis Laravel

 

 

 

Rancang Bangun Website Edukatif di Sekolah SDN 162 Warung Jambu Kiaracondong berbasis Laravel

Penulis

• Feri Sulianta Program Studi Informatika, Fakultas Teknik, Universitas Widyatama
• Fitrah Rumaisa Program Studi Informatika, Fakultas Teknik, Universitas Widyatama
• Yan Puspitarani Program Studi Informatika, Fakultas Teknik, Universitas Widyatama
• Sriyani Violina Program Studi Informatika, Fakultas Teknik, Universitas Widyatama
• Ai Rosita Program Studi Informatika, Fakultas Teknik, Universitas Widyatama

DOI:

https://doi.org/10.52436/1.jpmi.3623

?

CITATIONS

Kata Kunci:

Black Box, Design Thinking, Digitalisasi Pendidikan, Laravel, Metode Waterfall, Website Sekolah

Abstrak

Dalam era digital, sistem informasi berbasis web menjadi kebutuhan mendesak bagi institusi pendidikan untuk meningkatkan pendistribusikan informasi akademik, dan keterlibatan pendidik, peserta didik serta orang tua siswa. SDN 162 Warung Jambu Kiaracondong menghadapi kendala dalam peningkatan visibilitas dan pendistribusian informasi sekolah yang masih dilakukan secara manual. Oleh karena itu, dilakukan perancang dan pengembangkan situs web sekolah berbasis Laravel menggunakan metode Waterfall sebagai aspek dari digitalisasi pendidikan. Proses pengembangan mencakup analisis kebutuhan, desain, implementasi, pengujian Black Box, serta evaluasi menggunakan alat ukur kualitatif dan deskriptif. Perancangan Antar muka menggunakan metode Design Thinking yang mengakomodasi aspek Interface dan User Experience.  Hasil menunjukkan bahwa situs web ini mampu meningkatkan efisiensi yaitu: mempercepat akses informasi sekolah, serta memperkuat interaksi antara siswa, guru, dan orang tua. Pengujian sistem membuktikan bahwa seluruh fitur berfungsi sesuai dengan spesifikasi yang ditetapkan. Implementasi situs web sekolah ini menjadi solusi yang efektif dalam mendukung digitalisasi pendidikan dan meningkatkan distribusi informasi akademik bagi seluruh pemangku kepentingan di kalangan eduskatif SDN 162 Warung Jambu Kiaracondong.

Unduhan

Klik di sini untuk mendownload

 

 

 

 

Referensi

M. N. Nasution, “Rancang Bangun Aplikasi Sistem Informasi Akademik Smk Assalam Depok (Siska Assalam) Berbasis Web Dengan Framework Laravel,” Doctoral dissertation, Sekolah Tinggi Teknologi Terpadu Nurul Fikri. 2024.

I. P. D. P. Putra, R. A. N. Diaz & N. P. L. Santiari, “Pembelajaran Desain Multimedia Interaktif Dengan Laravel. In Seminar Hasil Penelitian Informatika dan Komputer (SPINTER),” Institut Teknologi dan Bisnis STIKOM Bali, vol. 1 no 1, pp. 310-315, 2023.

S. Herawati, Y. D. P. Negara, H. F. Febriansyah, & D. A. Fatah, “Application of the waterfall method on a web-based job training management information system at Trunojoyo University Madura,” E3S Web of Conferences, EDP Sciences, vol. 328, p. 04026, 2021, doi: 10.1051/e3sconf/202132804026.

B. Prasetyo, A. Rachmadi, & R. I. Rokhmawati, “Pengembangan Sistem Informasi Praktik Kerja Lapangan Berbasis Web Menggunakan Metode Waterfall Di SMKN 2 Malang,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol 8 no 4, April 2024.

J. Liedtka, “Evaluating the impact of design thinking in action,” In Academy of Management Proceedings, Briarcliff Manor, NY 10510: Academy of Management, vol. 2017, no. 1, p. 10264, 2017. doi:10.5465/AMBPP.2017.177

Y. Aprizal, M. Veronica, A. Mahendra, B. Kristian, & E. Serliyawati, “Implementasi Metode Design Thinking Dalam Membangun Aplikasi Prodi Pilihanku.” JUPITER: Jurnal Penelitian Ilmu dan Teknologi Komputer, 16(1), 325-336, 2024, doi: 10.5281/zenodo.10885940.

M. D. Gustinov, N. W. Azani, , R. Al Ghani, S. N. Auliani, S. Maharani, M. L. Hamzah, & M. Rizki, “Analysis of web-based e-commerce testing using black box and white box methods,” International Journal of Information System and Innovation Management (IJISIM), vol 1 no 1, pp 20-31, 2023, doi: 10.55583/ijisim.v1i1.687.

F. Muhammad, R. Andreswari, S. Fajar, S. Gumilang, F. R. Industri, and U. Telkom, “Perancangan Backend Website Dengan Kerangka Kerja Vue Js Dan Laravel Pada Startup Manawa Dengan Metode Waterfall,” e-Proceeding Eng., vol. 7, no. 2, pp. 7122–7130, 2020.

Ishfy Achmed Mahessa, Asep Muhidin, and Irfan Afriantoro, “Implementation of the Midtrans Payment Gateway in a Web-Based School Payment Information System Using a Design Thinking Approach (Case Study at Smp Pelita Nusantara)”, IJBA, vol. 4, no. 3, pp. 799–816, Jun. 2024, doi:10.55927/ijba.v4i3.9462.

M. Simbolon, “Pembuatan Dan Pengelolaan Website Sekolah Sebagai Media Komunikasi,” Abdimas Mandiri, Politeknik MBP Medan, vol. 1 no. 1, Mei 2021.

F. Sulianta, “Developing An It Infrastructure Model For Enhancing Digital Literacy Through Web-Based Learning: A Comprehensive Framework,” JIKO (Jurnal Informatika dan Komputer), vol. 7, no. 3, pp. 182-186, 2024, doi: 10.33387/jiko.v7i3.8761.

I. Sommerville, “Software Engineering,” Addison-Wesley, 2011.

A. Juran & D. Godfrey, “Juran's Quality Handbook.” McGraw-Hill, 1999.

Sugiyono, “Metode Penelitian Kuantitatif Kualitatif dan R&D,” Alfabeta, 2014. 

 

Read More

Developing An It Infrastructure Model For Enhancing Digital Literacy Through Web-Based Learning: A Comprehensive Framework

DEVELOPING AN IT INFRASTRUCTURE MODEL FOR ENHANCING DIGITAL LITERACY THROUGH WEB-BASED LEARNING: A COMPREHENSIVE FRAMEWORK

Feri Sulianta, Fitrah Rumaisa, Yan Puspitarani, Sriyani Violina, Ai Rosita

Abstract

In today's rapidly evolving educational landscape, there is a growing need to develop an IT infrastructure model that can effectively support web-based learning environments to enhance digital literacy. The proposed model offers a comprehensive framework for educational institutions to integrate digital technologies into their curricula seamlessly. Key elements of the model include essential hardware, user-friendly software, and advanced security measures, each playing a vital role in creating a seamless, secure, and efficient digital learning experience. This study explores the dynamic interactions among these components and their collective influence on fostering a conducive and productive web-based learning environment. By addressing the need for reliable infrastructure, scalable solutions, and robust security protocols, the model provides a holistic approach to improving digital literacy in educational contexts. The research underscores the critical role of a well-structured IT infrastructure in supporting digital education, offering actionable insights and recommendations for implementation. Moreover, it emphasizes that a well-developed IT infrastructure is foundational for the long-term success of web-based learning programs, enabling institutions to meet diverse learner needs, adapt to technological advances, and ensure sustainability in the digital education landscape.

Full Text:

PDF

References

J. L. Moore, C. Dickson-Deane, and K. Galyen, “e-Learning, online learning, and distance learning environments: Are they the same?,†Internet High Educ, vol. 14, no. 2, pp. 129–135, 2011, doi: https://doi.org/10.1016/j.iheduc.2010.10.001.

A. Aristovnik, K. Karampelas, L. Umek, and D. Ravšelj, “Impact of the COVID-19 pandemic on online learning in higher education: a bibliometric analysis,†Front Educ (Lausanne), vol. 8, 2023, doi: 10.3389/feduc.2023.1225834.

F. Sulianta, A. Rosita, E. Angga Laksana, F. Rumaisa, S. Yuliani, and S. Zulpratita, “Eka Angga Laksana Universitas Widyatama Tools Of Digital Learning Scheme In The Era Of Pandemic Covid 19,†2021. [Online]. Available: https://www.researchgate.net/publication/353644323

J. Dron and T. Anderson, “Teaching Crowds: Learning and Social Media.â€

Rashmi, “The New Era of Education: Education Technology,†Int J Latest Trends Eng Technol, vol. 1, no. 1, 2012.

B. Agyekum, “Challenges of learning environments experienced by distance-learning higher education students in Ghana,†International Review of Education, vol. 69, no. 1–2, pp. 51–72, Apr. 2023, doi: 10.1007/s11159-023-09991-z.

K. Takamine, “Michelle D. Miller: Minds online: teaching effectively with technology,†High Educ (Dordr), vol. 73, Jan. 2016, doi: 10.1007/s10734-016-9986-y.

P. Reddy, G. R. Gangle, and B. Srivastava, THE FUTURE OF EDUCATION IN THE DIGITAL AGE. 2024.

F. Sulianta, Literasi Digital, Riset dan Perkembangannya dalam Perspektif Social Studies, 1st ed. 2020.

R. Reynolds, “Jan van Dijk. (2020). The digital divide. Cambridge, UK: Polity, 208 pp. £17.99 (paperback) (ISBN 9781509534456).,†J Assoc Inf Sci Technol, vol. 72, Mar. 2020, doi: 10.1002/asi.24355.

P. D. Chen, A. Dumford, and K. Guidry, “Engaging online learners: The impact of Web-based learning technology on college student engagement,†Comput Educ, vol. 54, pp. 1222–1232, May 2010, doi: 10.1016/j.compedu.2009.11.008.

Robert K. Yin, Case Study Research and Applications: Design and Methods, 6th ed. London : SAGE Publications, Inc., 2018.

Raymond McLeod and George P. Schell, Management Information Systems, 10th ed. Pearson/Prentice Hall, 2007.

R. Rasyid, N. Amanah, and R. Adawiyah, “PERANCANGAN SISTEM INFORMASI PERPUSTAKAAN SMKN 1 LOEA KOLAKA TIMUR,†Jurnal Informatika dan Komputer) Akreditasi KEMENRISTEKDIKTI, vol. 3, no. 2, 2020, doi: 10.33387/jiko.

C. Audrin and B. Audrin, “Key factors in digital literacy in learning and education: a systematic literature review using text mining,†Educ Inf Technol (Dordr), vol. 27, no. 6, pp. 7395–7419, 2022, doi: 10.1007/s10639-021-10832-5.

N. Chi Thanh and C. Le, “A case study by using Khan Academy, an open-source environment,†Vietnam Journal of Education, vol. 4, pp. 22–27, Dec. 2020, doi: 10.52296/vje.2020.76.

M. Forbes, “Thematic analysis: A practical guide,†Eval J Australas, vol. 22, no. 2, pp. 132–135, 2022, doi: 10.1177/1035719X211058251.

J. W. Creswell and C. N. Poth, Qualitative Inquiry and Research Design Choosing among Five Approaches. 4th Edition, 4th ed. SAGE Publications, Inc., 2018.

M. Teräs, “Neil Selwyn: Education and technology: Key issues and debates,†International Review of Education, Oct. 2022, doi: 10.1007/s11159-022-09971-9.

D. Garrison and N. Vaughan, Blended Learning in Higher Education: Framework, Principles, and Guidelines. 2008. doi: 10.1002/9781118269558.

B. Gleason and S. von Gillern, “Participatory Practices of Teaching and Learning in Secondary Education,†J Educ Techno Soc, vol. 21, no. 1, pp. 200–212, 2018, [Online]. Available: http://www.jstor.org/stable/26273880

DOI: https://doi.org/10.33387/jiko.v7i3.8761

 

Dipublikasikan pada jurnal: 

JIKO (Jurnal Informatika dan Komputer) is a scientific journal that began to publish volume 1 number 1 in 2018, then in 2020 JIKO began to be published as many as 3, namely in April, August, and December. Journals with P-ISSN numbers 2614-8897 and E-ISSN 2656-1948 have been accredited SINTA 3 by the Ministry of higher education, science and technology with the number 0173/C3/DT.05.00/2025. This accreditation is valid for 5 years, namely volume 7 number 1 in 2024 to volume 11 number 2 in 2028. The Digital Object Identifier (DOI) address of JIKO is http://dx.doi.org/10.33387/jiko. This journal contains the results of research on Intelligent Systems, Image Processing, Computer Systems, Social Informatics, Digital Forensic, Health Informatics, Game Media and Mobile Technology, Data Mining, Human and Computer Interaction, Machine Learning, Natural Language Processing, Virtual Reality, E-Learning and related fields of computer science.

Read More

 Filsafat Informatika: Membedah Dimensi Ontologis dan Epistemologis serta Implikasi Etis

  Feri Sulianta (versi Bahasa Indonesia dari paper berjudul: The Philosophy of Informatics UnpackingOntological and Epistemological Dimensions and Ethical Implications)

 

Abstrak

Kajian ini membahas filsafat informatika, mengeksplorasi perannya yang kritis dalam membentuk pengembangan dan penerapan teknologi informasi. Dengan mengkaji informatika melalui lensa yang saling terkait antara ontologi, epistemologi, etika, dan kerangka teori, studi inimenekankan pentingnya penyelidikan filosofis dalam memahami kompleksitas era digital.Pertimbangan ontologis menyediakan dasar untuk mendefinisikan dan menyusun informasi,yang memengaruhi cara data dikategorikan dan ditafsirkan. Epistemologi memperluas hal inidengan membahas bagaimana informasi diubah menjadi pengetahuan yang andal dan prosesvalidasi pengetahuan tersebut. Etika menjadi perhatian utama, mengarahkan desain dan penggunaan sistem informasi yang bertanggung jawab, terutama dalam menangani tantanganseperti privasi data, bias algoritmik, dan implikasi etis kecerdasan buatan. Kerangka teori,termasuk teori Sistem Sosio-Teknis (STS), Actor-Network Theory (ANT), dan Teori Kritis,menawarkan wawasan berharga tentang sifat sosio-teknis informatika, menekankan perlunya sistem yang tidak hanya kuat secara teknis tetapi juga bertanggung jawab secara sosial. Makalah ini menyimpulkan bahwa pemahaman yang komprehensif tentang filsafat informatika sangat penting untuk mengembangkan teknologi yang selaras dengan nilai-nilai manusia dan memberikan kontribusi positif bagi masyarakat.

 Kata kunci: Filsafat Informatika, Ontologi, Epistemologi, Etika, Kerangka Teori, Sistem Sosio-Teknis, Actor-Network Theory, Teori Kritis, Kecerdasan Buatan, Privasi Data.

 Download paper klik di sini

 

 

Read More

Analysis and Design of E-Commerce Adoption as a Form of Digital Marketing for MSMEs: A Literature Review

Analysis and Design of E-Commerce Adoption as a Form of Digital Marketing for MSMEs: A Literature Review

Authors

• Endang Amalia F  
• Feri Sulianta 

DOI: https://doi.org/10.33022/ijcs.v13i3.3983

 

Abstract

Information technology is increasingly advanced and developing according to society's needs. Progress and development of information technology occurs in all sectors, especially trade and business. This makes business actors continue to innovate services related to the use of information technology, so that they can be known by the wider community, especially in transactions and buying and selling especially MSMEs. Besides that, the growth of the digital world and the internet, in particular, has opened up new avenues for MSMEs to offer their products and services. Digital marketing is a viable marketing strategy in the current economic climate.

This paper was written using a literature review method or literature review with a qualitative approach. Based on the 7 research both international and national, obtained from various sources via Google Scholar and other online media sources from 2020-2023 with the keywords e-commerce adoption and MSME digital marketing. It can be seen that Branding, Social Media, Content and Caption Marketing, E-mail Marketing, Video Marketing, SEO, Web Design, App Development, SEM have have an important role in digital marketing to increase online sales.

 Keywords: E-Commerce, Digital marketing, MSME

Download klik di sini 

 

Read More

Analysis of Consumer Preferences for Used Cars Using K-Means Clustering as a Basis for Building Business Actions

Analysis of Consumer Preferences for Used Cars Using K-Means Clustering as a Basis for Building Business Actions

Authors

• Feri Sulianta Universitas Widyatama https://orcid.org/0000-0002-5635-7856
• Endang Amalia
• Ahmad Arif

DOI: https://doi.org/10.33022/ijcs.v13i4.4147

 

Abstract

Transportation is a crucial aspect of modern mobility, enabling the movement of goods and individuals. Private vehicles, such as motorcycles and cars, are the dominant choice for many due to their convenience and practicality. However, with numerous car options, consumers often struggle to select used cars that match their needs and preferences. In this research, data mining is employed to cluster used cars based on consumer preferences for price, rating, and performance using the K-Means Clustering algorithm. The data consists of used car information from various sources. The K-Means algorithm groups the cars into clusters based on price, rating, and performance criteria. The results reveal three consumer groups with different preferences in these areas. This information provides valuable insights for consumers to make informed decisions and offers guidance to the automotive industry for designing more effective business actions.

 Keywords: Data mining, Used Cars, K-Means Clustering, Consumer Preferences, Business Actions

Download link klik di sini 

 

Read More

Revealing Consumer Preferences in the Fashion Industry Using K-Means Clustering

 International Journal of Engineering Continuity

Revealing Consumer Preferences in the Fashion Industry Using K-Means Clustering 

Abstract: The fashion industry, driven by rapidly shifting e-commerce trends and consumer preferences, demands precise data analysis to optimize marketing strategies and enhance customer satisfaction. This study utilizes data mining techniques, specifically K-Means Clustering and the Elbow Method, to reveal consumer preferences within a dataset of 1,000 fashion product sales records, which include attributes such as product ID, name, brand, category, price, rating, color, and size. By grouping data into distinct clusters based on price and rating preferences, the analysis uncovers four key consumer segments. The optimal number of clusters is confirmed using the WCSS (Within-Cluster Sum of Square) method. These insights offer valuable guidance for refining marketing strategies in the fashion industry. Future research should consider additional variables and employ advanced tools for deeper analysis.

Keywords:Consumer Preferences, Data Mining, Elbow Method,Fashion Products, K-Means.

 Revealing Consumer Preferences in the Fashion Industry Using K-Means Clustering

Feri Sulianta, Khaerani Ulfah, Endang Amalia

34-53

 

DOI : 10.58291/ijec.v3i2.280

Download: PDF 

 

 

 

Read More

Panduan Penulisan Referensi: APA, MLA, Chicago, dan IEEE

[Feri Sulianta] Penulisan referensi yang benar adalah bagian penting dari penulisan akademik dan ilmiah. Berbagai gaya penulisan referensi digunakan di berbagai disiplin ilmu, masing-masing dengan aturan dan format yang unik. Berikut ini adalah panduan lengkap tentang penulisan referensi dalam format APA, MLA, Chicago, dan IEEE.

1. APA (American Psychological Association)

Gaya APA dikembangkan oleh American Psychological Association dan pertama kali diperkenalkan pada tahun 1929. Gaya ini terutama digunakan dalam disiplin ilmu sosial seperti psikologi, pendidikan, dan sosiologi. Tujuannya adalah untuk memberikan format yang konsisten untuk penulisan ilmiah dan memudahkan pembaca dalam memahami dan menemukan referensi.

Format penulisan APA dan Contohnya sbb:

Buku:

• Format: Nama Belakang, Inisial Nama Depan. (Tahun). Judul Buku (edisi jika ada). Penerbit.
• Contoh: Smith, J. (2020). Understanding Psychology (4th ed.). Pearson.

Artikel Jurnal:

• Format: Nama Belakang, Inisial Nama Depan. (Tahun). Judul artikel. Nama Jurnal, Volume(Nomor), Halaman.
• Contoh: Johnson, R. (2018). The impact of social media on mental health. Journal of Social Research, 12(3), 45-67.

Website:

• Format: Nama Belakang, Inisial Nama Depan. (Tahun, Tanggal). Judul halaman. Nama Situs. URL
• Contoh: Williams, S. (2021, January 15). The future of online education. EduTech. https://www.edutech.com/future-online-education

2. MLA (Modern Language Association)

Gaya MLA dikembangkan oleh Modern Language Association dan sering digunakan dalam bidang humaniora, seperti sastra, sejarah, dan seni. Gaya ini dirancang untuk membantu penulis dalam menyusun tulisan yang terstruktur dengan baik dan mudah dipahami.

Format penulisan MLA dan contohnya sbb:

Buku:

• Format: Nama Belakang, Nama Depan. Judul Buku. Penerbit, Tahun.
• Contoh: Smith, John. Understanding Psychology. Pearson, 2020.

Artikel Jurnal:

• Format: Nama Belakang, Nama Depan. "Judul Artikel." Nama Jurnal, vol. Volume, no. Nomor, Tahun, halaman.
• Contoh: Johnson, Rebecca. "The Impact of Social Media on Mental Health." Journal of Social Research, vol. 12, no. 3, 2018, pp. 45-67.

Website:

• Format: Nama Belakang, Nama Depan. "Judul Halaman." Nama Situs, Tanggal, URL.
• Contoh: Williams, Sarah. "The Future of Online Education." EduTech, 15 Jan. 2021, https://www.edutech.com/future-online-education.

3. Chicago (Chicago Manual of Style)

Gaya Chicago dikembangkan oleh University of Chicago Press dan digunakan dalam berbagai disiplin ilmu, termasuk sejarah dan seni. Gaya ini menawarkan fleksibilitas dengan dua sistem utama: catatan dan bibliografi (notes and bibliography), serta tanggal-penulis (author-date).

Format penulisan Chicago dan contohnya sbb:

Buku:

• Format: Nama Belakang, Nama Depan. Tahun. Judul Buku. Kota Penerbit: Penerbit.
• Contoh: Smith, John. 2020. Understanding Psychology. New York: Pearson.

Artikel Jurnal:

• Format: Nama Belakang, Nama Depan. Tahun. "Judul Artikel." Nama Jurnal Volume (Nomor): Halaman.
• Contoh: Johnson, Rebecca. 2018. "The Impact of Social Media on Mental Health." Journal of Social Research 12 (3): 45-67.

Website:

• Format: Nama Belakang, Nama Depan. Tahun. "Judul Halaman." Nama Situs. Tanggal Akses. URL.
• Contoh: Williams, Sarah. 2021. "The Future of Online Education." EduTech. Accessed January 15, 2021. https://www.edutech.com/future-online-education.

4. IEEE (Institute of Electrical and Electronics Engineers)

Gaya IEEE dikembangkan oleh Institute of Electrical and Electronics Engineers dan sering digunakan dalam bidang teknik dan ilmu komputer. Gaya ini dikenal dengan penggunaan nomor urut dalam teks yang mengacu pada daftar referensi di akhir dokumen.

Format Penulisan IEEE dan contohnya sbb:

Buku:

• Format: [Nomor Referensi] Nama Depan Inisial. Nama Belakang, Judul Buku, edisi (jika ada). Kota: Penerbit, Tahun.
• Contoh: [1] J. Smith, Understanding Psychology, 4th ed. New York: Pearson, 2020.

Artikel Jurnal:

• Format: [Nomor Referensi] Nama Depan Inisial. Nama Belakang, "Judul Artikel," Nama Jurnal, vol. Volume, no. Nomor, halaman, Tahun.
• Contoh: [2] R. Johnson, "The impact of social media on mental health," Journal of Social Research, vol. 12, no. 3, pp. 45-67, 2018.

Website:

• Format: [Nomor Referensi] Nama Depan Inisial. Nama Belakang, "Judul Halaman," Nama Situs. URL (tanggal akses: Bulan, Tahun).
• Contoh: [3] S. Williams, "The future of online education," EduTech. https://www.edutech.com/future-online-education (accessed Jan. 15, 2021).

Memahami berbagai format penulisan referensi adalah keterampilan yang penting dalam dunia akademik. Setiap gaya penulisan referensi memiliki aturan dan konvensi yang unik, dan memilih gaya yang tepat tergantung pada disiplin ilmu dan preferensi penulis. Panduan ini memberikan dasar yang kuat untuk menulis referensi yang akurat dan sesuai dengan standar yang berlaku.

Read More

Analisis Online Retail Transaction Dataset Menggunakan Algoritma K-Means Clustering

Pemanfaatan e-commerce dalam bisnis dianggap penting, dengan lebih banyak pengusaha yang menggunakan e-commerce di perusahaannya. Keuntungannya antara lain konsumen dapat berbelanja tanpa harus datang langsung ke toko, dan Perusahaan dapat melakukan transaksi kapanpun. Dalam hal ekonomi, e-commerce membantu menghemat biaya bagi konsumen dan Perusahaan dalam hal iklan. Selain itu, e-commerce juga memungkinkan konsumen menghemat biaya perjalanan dan memberi kesempatan bagi pengusaha untuk memasarkan produknya ke wilayah yang lebih luas. Dalam konteks ini, penelitian ini akan menggunakan algoritma K-Means Clustering untuk mengelompokan pelanggan dengan efesien berdasarkan faktor-faktor tertentu seperti Recency, Frequency, dan Monetary

Kata Kunci: K-Means Clustering, E-Commerce, Data Mining

Abstract

The use of e-commerce in business is considered important, with more entrepreneurs using e-commerce in their companies. The advantages include that consumers can shop without having to come directly to the store, and the company can carry out transactions at any time. In economic terms, e-commerce helps save costs for consumers and companies in terms of advertising. Apart from that, e-commerce also allows consumers to save on travel costs and provides entrepreneurs with the opportunity to market their products to a wider area. In this context, this research will use the K-Means Clustering algorithm to group customers with efficiency based on certain factors such as Recency, Frequency, and Monetary.

Keywords: K-Means Clustering, E-Commerce, Data Mining

 Link donwload klik di sini

Read More

Berapa jumlah pertanyaan ideal pada kuesioner dengan skala likert?

[Feri Sulianta] Skala Likert adalah metode pengukuran psikometrik yang umum digunakan dalam penelitian survei untuk mengukur sikap, pendapat, atau persepsi responden terhadap suatu pernyataan atau pertanyaan. Skala ini dikembangkan oleh psikolog Rensis Likert pada tahun 1932 dan menjadi salah satu alat ukur yang paling populer dalam ilmu sosial dan perilaku. Berikut ini adalah penjelasan lebih lanjut mengenai skala Likert:

Struktur Skala Likert

1. Pernyataan atau Pertanyaan: Responden diberi sejumlah pernyataan atau pertanyaan yang berkaitan dengan topik yang diteliti. Pernyataan ini biasanya disusun dalam bentuk kalimat yang mengundang pendapat atau sikap tertentu.

2. Tingkat Persetujuan: Untuk setiap pernyataan, responden diminta menunjukkan tingkat persetujuan atau ketidaksetujuannya. Biasanya, ini dilakukan dengan memilih salah satu dari beberapa opsi yang tersedia.

Contoh Opsi pada Skala Likert

Skala Likert biasanya memiliki 5 atau 7 titik pilihan, meskipun bisa lebih banyak atau lebih sedikit tergantung kebutuhan penelitian. Contoh yang umum digunakan adalah:

• 5 Skala:

  1. Sangat Tidak Setuju
  2. Tidak Setuju
  3. Netral
  4. Setuju
  5. Sangat Setuju

• 7 Skala:

  1. Sangat Tidak Setuju
  2. Tidak Setuju
  3. Agak Tidak Setuju
  4. Netral
  5. Agak Setuju
  6. Setuju
  7. Sangat Setuju

Penggunaan dan Analisis

• Pengumpulan Data: Responden mengisi kuesioner dengan memilih salah satu opsi yang paling sesuai dengan pendapat mereka terhadap setiap pernyataan.

• Pengolahan Data: Data yang diperoleh dari skala Likert biasanya diolah dengan menggunakan teknik statistik untuk menentukan kecenderungan umum dari kelompok responden. Nilai numerik diberikan pada setiap tingkat persetujuan (misalnya, 1 untuk "Sangat Tidak Setuju" hingga 5 untuk "Sangat Setuju"), yang kemudian dapat dianalisis secara kuantitatif.

• Analisis Skala Likert: Analisis data dari skala Likert dapat dilakukan dengan berbagai metode statistik, termasuk analisis deskriptif (seperti mean dan median), analisis varian (ANOVA), regresi, dan teknik analisis faktor. Hasil analisis ini membantu peneliti untuk memahami pola sikap dan pendapat responden serta hubungan antara variabel-variabel yang diteliti.

Kelebihan dan Kekurangan Skala Likert

Kelebihan:

• Sederhana dan Mudah: Mudah dibuat dan dipahami oleh responden.
• Fleksibilitas: Dapat digunakan untuk berbagai jenis penelitian.
• Reliabilitas Tinggi: Jika dirancang dengan baik, skala Likert dapat menghasilkan data yang reliabel.

Kekurangan:

• Bias Responden: Responden mungkin cenderung memilih jawaban tengah (netral) untuk menghindari ekstrem.
• Interpretasi yang Berbeda: Responden yang berbeda bisa saja memiliki interpretasi yang berbeda terhadap pernyataan yang sama.
• Skala yang Terbatas: Beberapa responden mungkin merasa pilihan yang tersedia tidak cukup mewakili pendapat mereka.

 

 By Nicholas Smithvectorization: Own work - Own work, based on File:Example Likert Scale.jpg, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=18615046

 

Jumlah pertanyaan ideal pada kuesioner dengan skala Likert bergantung pada beberapa faktor, termasuk tujuan penelitian, kompleksitas topik yang diteliti, dan karakteristik responden. Namun, ada beberapa panduan umum yang dapat membantu menentukan jumlah pertanyaan yang tepat:

• Tujuan Penelitian: Pertanyaan harus cukup untuk mencakup semua aspek penting dari topik penelitian. Jika tujuan penelitian kompleks, lebih banyak pertanyaan mungkin diperlukan.
• Kejenuhan Responden: Penting untuk mempertimbangkan waktu yang dibutuhkan responden untuk menyelesaikan kuesioner. Kuesioner yang terlalu panjang dapat menyebabkan kelelahan responden, yang bisa mempengaruhi kualitas data. Sebagai panduan umum, kuesioner sebaiknya tidak lebih dari 15-20 menit untuk diisi.
• Jumlah Dimensi atau Subskala: Jika Anda mengukur beberapa dimensi atau subskala, pastikan setiap dimensi diwakili oleh sejumlah pertanyaan yang memadai. Biasanya, setiap subskala memiliki 3-10 pertanyaan untuk memastikan reliabilitas dan validitas.
• Reliabilitas dan Validitas: Jumlah pertanyaan harus cukup untuk memastikan reliabilitas (konsistensi internal) dan validitas (kemampuan mengukur apa yang dimaksudkan untuk diukur) dari skala. Secara umum, skala Likert yang baik memiliki setidaknya 5-10 pertanyaan per dimensi.
• Pilot Testing: Melakukan uji coba pada kuesioner dengan sekelompok kecil responden dapat memberikan wawasan tentang apakah jumlah pertanyaan sudah tepat dan apakah ada pertanyaan yang tidak diperlukan atau yang kurang.

Secara umum, kuesioner dengan skala Likert sering kali terdiri dari sekitar 20-40 pertanyaan. Namun, jumlah ini dapat bervariasi tergantung pada faktor-faktor yang telah disebutkan di atas. Menjaga keseimbangan antara mencakup semua aspek penting dari penelitian dan mempertahankan perhatian serta motivasi responden adalah kunci untuk menentukan jumlah pertanyaan yang ideal.

Read More

ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI UNTUK MENCIPTAKAN STRATEGI PEMASARAN PADA APOTEK

 ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI UNTUK MENCIPTAKAN STRATEGI PEMASARAN PADA APOTEK

• Feri Sulianta 
• Eriko Prayogo 
•  Institusi: Widyatama University  

DOI: http://dx.doi.org/10.30587/e-link.v19i1.5951

Abstract

The sales of pharmaceutical products among the public are increasing, especially with the recent pandemic that has led to an increase in drug sales. This has created significant potential for the pharmaceutical industry or drug sales businesses. However, proper marketing plans are required in the pharmaceutical industry to optimize revenue. Analyzing drug sales trends can provide valuable insights for creating excellent marketing plans. To develop a superior marketing plan, an analysis of sales transaction data is necessary with the help of data mining, which is useful for obtaining important information from the dataset being analyzed. The Apriori algorithm is used in this research to examine association rule patterns of drug sales in pharmacies The sales information used as dataset is consisting of 600,000 transactional data collected over six years (2014–2019). This dataset includes the date and time of sales, pharmaceutical drug brands, and other relevant information.

Link download pada elink  jurnal (Jurnal Teknik Elektro dan Informatika) : Klik di sini

Read More

Langkah-langkah umum untuk membuat jurnal ilmiah

Feri Sulianta - Menulis dalam jurnal ilmiah memiliki sejumlah manfaat yang signifikan, baik bagi penulis maupun bagi masyarakat ilmiah secara umum:

1. Berbagi Pengetahuan dan Temuan: Jurnal ilmiah menyediakan platform untuk peneliti untuk membagikan pengetahuan baru dan temuan mereka kepada komunitas ilmiah. Ini membantu memperluas cakupan pengetahuan di bidang tertentu dan memungkinkan orang lain memanfaatkannya dalam penelitian mereka sendiri.

2. Membangun Reputasi Akademik: Publikasi dalam jurnal ilmiah yang terkemuka dapat meningkatkan reputasi akademik seorang peneliti. Ini memperkuat kredibilitas mereka dalam komunitas ilmiah dan membuka peluang untuk kolaborasi dengan peneliti lain atau untuk mendapatkan dana penelitian tambahan.

3. Mempercepat Kemajuan Pengetahuan: Dengan menyediakan akses terhadap temuan terbaru dan metodologi penelitian yang efektif, jurnal ilmiah membantu mempercepat kemajuan pengetahuan dalam berbagai bidang. Hal ini memungkinkan perkembangan teknologi, ilmu pengetahuan, dan praktik profesional yang lebih cepat.

4. Validasi dan Kritik Ilmiah: Publikasi dalam jurnal ilmiah melibatkan proses peer review, di mana penelitian dievaluasi oleh para ahli dalam bidang yang relevan. Ini memastikan bahwa penelitian tersebut telah mengikuti standar ilmiah yang ketat dan membantu mencegah penyebaran informasi yang tidak valid atau tidak akurat.

5. Mendorong Refleksi dan Klarifikasi: Proses menulis jurnal ilmiah mendorong peneliti untuk merenungkan temuan mereka dengan lebih mendalam, mengklarifikasi argumen mereka, dan mengidentifikasi area yang memerlukan penelitian lebih lanjut. Ini dapat mengarah pada pemahaman yang lebih baik tentang subjek yang diteliti dan perbaikan metodologi penelitian.

6. Memperkuat Keterampilan Komunikasi: Menulis untuk jurnal ilmiah membantu peneliti mengembangkan keterampilan komunikasi ilmiah yang penting, seperti menulis dengan jelas dan tepat, menyusun argumen yang koheren, dan merujuk literatur yang relevan. Keterampilan ini juga dapat berguna dalam presentasi konferensi, pembuatan proposal penelitian, dan interaksi dengan rekan-rekan sejawat.

7. Menghasilkan Dampak Sosial dan Ekonomi: Penelitian yang dipublikasikan dalam jurnal ilmiah dapat memiliki dampak yang signifikan pada masyarakat dan ekonomi, misalnya, dengan menyediakan solusi untuk masalah kesehatan, lingkungan, atau teknologi baru yang dapat meningkatkan kualitas hidup dan memajukan peradaban manusia secara keseluruhan.
   

Berikut adalah langkah-langkah umum untuk membuat jurnal ilmiah:

1. Penentuan Tema dan Masalah Penelitian: Pilihlah topik yang menarik dan relevan untuk penelitian Anda. Tentukan masalah penelitian yang spesifik dan jelas.

2. Review Literatur: Lakukan pencarian literatur terkait dengan topik penelitian Anda. Tinjau dan analisis literatur yang relevan untuk memahami penelitian terdahulu dan posisi Anda dalam bidang tersebut.

3. Penyusunan Hipotesis atau Tujuan Penelitian: Tetapkan hipotesis atau tujuan penelitian Anda, yang merupakan pernyataan yang dapat diuji atau tujuan yang ingin Anda capai melalui penelitian Anda.

4. Desain Penelitian: Rencanakan metode penelitian yang akan Anda gunakan, termasuk jenis penelitian, populasi sampel, teknik pengumpulan data, dan analisis data yang akan digunakan.

5. Pengumpulan Data: Lakukan pengumpulan data sesuai dengan metode yang telah Anda tentukan dalam desain penelitian Anda.

6. Analisis Data: Analisis data yang Anda kumpulkan menggunakan teknik statistik atau metode analisis yang sesuai. Interpretasikan hasil analisis dengan cermat.

7. Penulisan Jurnal: Mulailah menulis jurnal ilmiah Anda. Struktur umum jurnal ilmiah meliputi:

   • Abstrak: Ringkasan singkat dari penelitian, tujuan, metode, hasil, dan kesimpulan.
   • Pendahuluan: Gambaran umum tentang topik, masalah penelitian, tujuan, dan relevansi penelitian Anda.
   • Metode: Deskripsi mendetail tentang desain penelitian, populasi sampel, teknik pengumpulan data, dan analisis data.
   • Hasil: Penyajian data dan temuan penelitian secara obyektif.
   • Diskusi: Interpretasi hasil, hubungan dengan literatur yang relevan, dan implikasi temuan penelitian.
   • Kesimpulan: Ringkasan dari temuan penelitian, implikasi, dan saran untuk penelitian masa depan.
   • Daftar Pustaka: Daftar semua referensi yang Anda gunakan dalam penelitian Anda.

8. Penyuntingan dan Revisi: Periksa dan edit naskah Anda dengan cermat untuk memastikan kejelasan, konsistensi, dan akurasi.

9. Penyerahan dan Review: Ajukan jurnal Anda ke jurnal ilmiah yang relevan. Setelah diajukan, jurnal tersebut akan melewati proses review oleh rekan sejawat untuk menilai kualitas dan validitas penelitian Anda.

10. Publikasi: Jika diterima, jurnal Anda akan dipublikasikan. Jika tidak, Anda mungkin perlu merevisi naskah Anda berdasarkan saran dari reviewer dan mengirimkannya kembali.

Ingatlah untuk mengikuti pedoman penulisan jurnal yang berlaku dan etika penelitian yang tepat saat menulis dan menerbitkan jurnal ilmiah.

Read More

Membangun Aturan Asosiasi menggunakan Algoritma Apriori sebagai Dasar Menciptakan Strategi Penjualan di Toko Retail Online

Feri Sulianta - Didalam hal bisnis, banyak sektor yang terlibat dalam proses jual beli. Tidak hanya penjualan besar yang dilakukan oleh perusahaan-perusahaan yang juga besar, masih banyak bisnis toko retail yang dilakukan masyarakat menengah kebawah. Toko retail umunya tidak menjual satu produk namun relatif banyak produk yang ditawarkan dalam bisnisnya. Dalam bisnisnya, toko retail membeli barang yang akan dijualnya dari produsen yang kemudian dijualnya kembali pada para konsumen secara langsung. Cukup banyaknya pelanggan dan proses transaksi, toko retail ini ingin mengetahui pola pembelian konsumen dengan memanfaatkan data transaksi yang sudah terjadi. Penelitian ini bertujuan untuk menganalisis pola pembelian konsumen pada toko retail dengan memanfaatkan data transaksi yang telah terjadi. Data transaksi tersebut mencakup informasi mengenai produk yang dibeli, jumlah pembelian, waktu pembelian, dan profil konsumen. Dengan menganalisis data transaksi tersebut, toko retail dapat memperoleh wawasan yang berharga mengenai kebiasaan pembelian konsumen, preferensi produk, tren penjualan, dan faktor-faktor lain yang dapat mempengaruhi keputusan pembelian. Metode yang digunakan dalam penelitian ini adalah analisis data dan pemodelan statistik. Data transaksi yang dikumpulkan dari toko retail akan dianalisis menggunakan teknik-teknik statistik seperti analisis deskriptif, analisis asosiasi, dan analisis klaster. Hasil dari penelitian ini diharapkan dapat memberikan wawasan yang berharga bagi toko retail dalam mengoptimalkan strategi penjualan dan pemasaran mereka. Dengan memahami pola pembelian konsumen, toko retail dapat mengatur stok produk dengan lebih efisien, merancang promosi yang tepat, dan menyediakan pengalaman berbelanja yang lebih personal bagi konsumen.

Kata kunci: Toko Retail, Algoritma Apriori, Aturan Asosiasi, Strategi Bisnis, Data Mining.

 Download artikel klik di sini

Read More

Prediction Of Cryptocurrency Prices Using Lstm, Svm And Polynomial Regression

Feri Sulianta - The rapid development of information technology, especially the Internet, has facilitated users with a quick and easy way to seek information. With these convenience offered by internet services, many individuals who initially invested in gold and precious metals are now shifting into digital investments in form of cryptocurrencies. However, investments in crypto coins are filled with uncertainties and fluctuation in daily basis. This risk posed as significant challenges for coin investors that could result in substantial investment losses. The uncertainty of the value of these crypto coins is a critical issue in the field of coin investment. Forecasting, is one of the methods used to predict the future value of these crypto coins. By utilizing the models of Long Short Term Memory, Support Vector Machine, and Polynomial Regression algorithm for forecasting, a performance comparison is conducted to determine which algorithm model is most suitable for predicting crypto currency prices. The mean square error is employed as a benchmark for the comparison. By applying those three constructed algorithm models, the Support Vector Machine uses a linear kernel to produce the smallest mean square error compared to the Long Short Term Memory and Polynomial Regression algorithm models, with a mean square error value of 0.02.

Keywords: Cryptocurrency, Forecasting, Long Short Term Memory, Mean Square Error,
Polynomial Regression, Support Vector Machine 

Klik disini untuk tampilan maksimal

Sumber: https://ajesh.ph/index.php/gp/article/view/239

Read More

Kumpulan tugas visualisasi data

Berikut ini adalah kumpulan tugas visualisasi data menggunakan Power BI, dan data yang digunakan adalah data sebaran Covid 19 di indonesia. 

Sample data dapat dilihat pada tabel berikut:

Contoh tugas dapat di akses pada link berikut: 

• Visualisasi data 1
• Visualisasi data 2 
• Visualisasi data 3
• Visualisasi data 4 
  

https://www.researchgate.net/publication/378968579_VISUALISASI_DATA_COVID_19

Read More

Konsumen Sebagai Co-Creation untuk Menentukan Strategi Bisnis Menggunakan Algoritma Apriori pada Industri Retail Skala Internasional

Konsumen Sebagai Co-Creation untuk Menentukan Strategi Bisnis Menggunakan Algoritma Apriori pada Industri Retail Skala Internasional.

Feri Sulianta - Industri retail skala internasional menjual banyak variasi produk yang didapat dari berbagai vendor, transaksi penjualan yang terjadi membentuk gudang data yang tersimpan pada basis data Sistem Enterprise Resource Planning. Ketersediaan data historis hasil transaksi yang terdokumentasi dapat manfaaatkan lebih lanjut untuk ditambang dengan menganalisa keranjang belanja konsumen. dengan mencari korelasi antara produk-produk dalam kumpulan transaksi penjualan yang sudah terjadi dalam kurun waktu tertentu. Algoritma apriori digunakan untuk membangun aturan asosiasi yang berfokus pada memetakan perilaku konsumen retail sebagai co-creation manajemen startegi perusahaan dan dapat menghasilkan hubungan dan aturan yang akan mengungkapkan pola preferensi pelanggan terhadap berbagai jenis produk, yang sebelumnya tersembunyi dan sulit diukur. Aturan asosiasi yang dihasilkan melalui serangkaian proses teknik data mining diujikan lebih lanjut untuk mengukur keberhasilkan aturan asosiasi menggunakan data transaksional pada periode berikutnya. Hasil pengujian aturan asosiasi dengan nilai minimum confidence 70% digunakan sebagai dasar membangun strategi bisnis diantaranya: memperkuat penjualan paket, strategi penempatan produk, segmentasi pasar berdasarkan preferensi warna,
mengelola stok dan ketersediaan produk.
Kata kunci: Algoritma Apriori, Data Mining, Perilaku Konsumen, Market Basket Analysis, Strategi Bisnis 

Klik di sini untuk mengakses dokumen  layar penuh

 

Read More

Mining Transactional Data To Produce Extended Association Rules Using Collaborative Apriori, Fsa-Red And M5p Predictive Algorithm As A Basis Of Business Actions

  Mining Transactional Data To Produce Extended Association Rules Using Collaborative Apriori, Fsa-Red And M5p Predictive Algorithm As A Basis Of Business Actions

Feri Sulianta -There are large amounts of transactional data which showed consumer shopping cart at a store that sells more than 150 types of products. In this case, the company is utilizing these data in making business action. In previous studies, the data that has a lot of attributes and record data reduction algorithms handled by the FSA Red (Feature Selection for Association Rules) are then mined using Apriori algorithm. The resulting association rules have high levels of accuracy and excellent test results, which rely more than 90%. In this study, the association rules generated in previous research will be updated by using prediction algorithms M5P, so that the reliability of association rules can be updated for the next day forward. Furthermore, some data mining technique such as: clustering and time series pattern will be implemented to examine the truth and to extend the validity of association rules which were built. It can be concluded that the association rules were established after will generate strong association rules with confidence equal or higher than 70% and the truth of the rules can be seen from the time series pattern on each group of goods which are then used as the basis of business actions.

 

 Klik ini untuk menampilkan paper keseluruhan

Read More

Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer Di Supermarket

Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer Di Supermarket

Feri Sulianta -Supermarket merupakan tempat berbelanja dari seseorang terhadap suatu daerah masyarakat setempat. Dengan pelayanan yang maksimal  untuk mengetahui pola data pembelian yang diberikan dan mengantisipasi persediaan bahan pokok didaerah tertentu agar tidak mengalami keterlambatan kesediaan barangt. Maka diperlukan pencarian pola atau hubungan Association rule (aturan asosiatif). 

Association rule merupakan salah satu teknik data mining yang sangat penting, dapat diartikan bahwa hubungan antara sejumlah item dengan menentukan nilai support dan confidence pada basis data, penting tidaknya aturan asosiasi dapat diketahui dengan nilai support atau nilai penunjang dan confidence (nilai kepastian) algoritma apriori menghitung seringnnya item-set yang muncul dalam database melalui beberapa iterasi, setiap iterasi tersebut memiliki dua tahapan yaitu menentukan kandidat dan menghitung kandidat. Tahap pertama pada iterasi pertama , himpunan yang dihasilkan dari kandidat item-set berisikan seluruh 1-item-set. Tahap kedua algoritma apriori menghitung support-nya melalui seluruh item-set dengan batas minimum tertentu saja yang dianggap sering muncul (frequent), sehingga dapat diketahui item-set yang sering muncul. Penghapusan ini berdasarkan pengamatan yaitu apakah item-set tersebut sering muncul atau tidak. Dari hasil penelitian dengan menggunakan nilai minimum support dan minimum confident tertinggi akan membentuk nilai akhir, yaitu nilai paling besar yang melebihi batas minimal support dan confidence. 

Dalam penelitian ini dengan menggunakan kombinasi 2 item set dengan minimum support 2 dan minimum confidence 35 pada super market di daerah tebet selatan adalah “jika pembeli membeli Telur dan daging giling maka pembeli akan membeli air mineral ” dengan Support 7,333% dan confidence 50,66%

Kata Kunci : super market, association rule, algoritma apriori

 Tampilan maksimal klik disini

 

Read More

Membangun Aturan Asosiasi menggunakan Algoritma Apriori untuk Rekomendasi Film berdasarkan Dataset IMDb

 Membangun Aturan Asosiasi menggunakan Algoritma Apriori untuk Rekomendasi Film berdasarkan Dataset IMDb

Feri Sulianta - Rekomendasi film berperan penting dalam membantu penonton memilih film yang sesuai dengan minat mereka, terutama di tengah banyaknya pilihan yang tersedia. Dalam penelitian ini, kami menggunakan algoritma Apriori untuk memberikan rekomendasi film berdasarkan data IMDb. Algoritma Apriori digunakan untuk menemukan hubungan antara film-film berdasarkan informasi seperti genre, aktor, dan peringkat pengguna. Dengan menerapkan algoritma ini, kami dapat mengidentifikasi pola-pola yang sering muncul di antara item-item film dalam dataset IMDb. Misalnya, jika seorang pengguna sering menonton film-film aksi dengan aktor tertentu, algoritma Apriori dapat merekomendasikan film-film serupa dengan genre yang sama dan melibatkan aktor yang serupa. Diharapkan bahwa implementasi algoritma Apriori ini dapat membantu pengguna menemukan film-film yang relevan dan sesuai dengan minat mereka dalam pengalaman menonton mereka.

preferensi pengguna. Hasil penelitian ini diharapkan dapat memberikan panduan yang berguna bagi penonton dalam menemukan film-film yang menarik dan sesuai dengan minat mereka berdasarkan informasi IMDb yang relevan.
Keywords—association rules, dataset, Movies,apriori, IMDb

Tampilan maksimal klik disini

Read More

Clustering Biaya Kesehatan Menggunakan Algoritma K-Means

 Clustering Biaya Kesehatan Menggunakan Algoritma K-Means

Abstract---Asuransi kesehatan merupakan asuransi dimana pihak penanggung menjamin segala kemungkinan yang terjadi pada diri tertanggung terkait dengan masalah kesehatanya sesuai dengan perjanjian yang telah di sepakati.

Suatu perusahaan yang bergerak dibidamg jasa asuransi jiwa perlu melakukan analisis calon nasabah asuransi. Agen asuransi perlu menganalisi calon nasabah. Tujuan dari analisis ini adalah untuk menyelidiki berbagai faktor yang berhubungan dengan kesehatan dan keterkaitannya untuk memprediksi biaya pengobatan individu yang ditagihkan oleh asuransi kesehatan secara akurat. Faktor-faktor ini mencakup aspek-aspek seperti usia, dan indeks massa tubuh (BMI).

Salah satu metode analisis ini dengan menggunakan metode clustering dengan algoritma k-means. Clustering adalah teknik dalam analisis data yang digunakan untuk mengelompokkan objek atau data ke dalam kelompok-kelompok yang memiliki kesamaan karakteristik tertentu. Tujuan utama dari clustering adalah untuk mencari pola atau struktur dalam data tanpa adanya label atau pengawasan sebelumnya. Dalam clustering, objek dalam kelompok yang sama akan memiliki kesamaan yang tinggi, sedangkan objek antar kelompok akan memiliki perbedaan yang signifikan.

 Kata Kunci Asuransi, Kesehatan, Clustering, Data mining

Untuk tampilan maksimal klik disini

Read More