Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Malcom: Indonesian Journal of Machine Learning and Computer Science

Pemilihan Platform Film Streaming Menggunakan Metode SMARTER dan MOORA: Selection of Streaming Film Platforms Using the SMARTER Method and the MOORA Saputri, Arini; Hilabi, Shofa Shofiah; Nurapriani, Fitria; Huda, Baenil
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1325

Abstract

Sektor industri perfilman telah menjadi aspek tontonan wajib dalam masyarakat, saat ini film menjadi suatu hiburan yang populer di Indonesia. Kemajuan teknologi dan digitalisasi memfasilitasi akses mudah menonton film, masa transisi dari penggunaan DVD/VCD ke Blu-Ray sebagai media untuk menikmati film yang mendapatkan daya tarik pada masanya. Perkembangan internet dan platform online yang semakin pesat telah mengubah industri dunia perfilman, banyak sekali bermunculan berbagai layanan streaming yang menawarkan kemudahan untuk menonton film kapan saja dan dimana saja. Maraknya kemudahan menonton film streaming dengan tersedianya berbagai platform film masih banyak terdapat perbedaan beberapa aspek baik tampilan maupun layanan yang ditawarkan, sehingga penelitian ini memberikan wawasan dan rekomendasi mengenai opsi streaming yang baik. Dalam penelitian ini menggunakan metode MOORA dan SMARTER Kedua metodologi menghasilkan hasil yang sebanding pada nilai tertinggi yaitu Netflik sebagai platform film streaming paling aman dengan skor 0,421 pada metode SMARTER dan 0,582 pada metode MOORA , dan mengalami selisih perbedaan yang tidak terlalu signifikah terkait peroleh nilai tertinggi kedua, Dimana pada metode SMARTER di peroleh oleh Disney Hotstar dengan nilai 0,377sedangkan pada metode MOORA nilai tertinggi kedua di peroleh oleh Iflix dengan nilai0,297sehingga kedua metode ini sangat ideal untuk digunakan.
Implementasi Algoritma K-Nearest Neighbor untuk Prediksi Penjualan Alat Kesehatan pada Media Alkes: Implementation of the K-Nearest Neighbor Algorithm to Predict Sales of Medical Devices in Medical Devices Nijunnihayah, Uktupi; Hilabi, Shofa Shofiah; Nurapriani, Fitria; Novalia, Elfina
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1326

Abstract

Media Alkes Perusahaan ini bergerak dalam bidang industri Alat Kesehatan. Perusahaan ini menyediakan berbagai produk seperti jarum kursi roda, alat infus, alat monitor tekanan darah, dan lain-lain. Media Alkes juga aktif menerapkan strategi bisnis untuk memenuhi kebutuhan pelanggan. Namun sering terjadi kekurangan stok dan barang menumpuk di dalam perusahaan ini. Peneliti telah mengelola dan menganalisis data penjualan yang ada untuk memahami kebutuhan pelanggan terhadap Alat Kesehatan. Dalam menghadapi tantangan tersebut, peneliti mengusulkan algoritma K-Nearest Neighbor untuk memprediksi penjualan Alat Kesehatan di Media Alat Kesehatan. Informasi mengenai jumlah penjualan Alat Kesehatan dengan kriteria Sangat laris, Cukup laris dan Kurang laris dapat dilihat melalui data penjualan tahun 2020 hingga tahun 2022 pada Media Laporan Penjualan Alat Kesehatan. Penelitian dilakukan dengan menerapkan metode K-Nearest Neighbor (KNN) baik dengan perhitungan secara manual maupun menggunakan sistem RapidMiner. Hasil dari prediksi yang menggunakan sistem RapidMiner menunjukkan tingkat akurasi sebesar 95,00% dari data yang disebut penjualan. Dengan hasil prediksi yang didapat yang Sangat bagus tersebut, metode ini dapat dijadikan sebagai acuan dalam merencanakan penjualan di masa depan. Dengan menerapkan prediksi ini, perusahaan dapat mengelola stok barang dengan secara efisien dan menghindari kehabisan stok serta memuat barang yang tidak diinginkan.