Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Sultan Syah Afriyadi
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perancangan Sistem Rekomendasi Produk Laptop ELS Komputer Menggunakan Metode Content-Based Filtering Garin Dani Saputra; Abdul Fuad Nurdiansah; Claudea Cahaya Cinta; Arcco Putra Azhariansyah; Sultan Syah Afriyadi
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ELS Komputer Solo menyediakan berbagai pilihan laptop dengan spesifikasi dan harga yang beragam, namun belum memiliki sistem yang dapat membantu pelanggan memperoleh rekomendasi produk sesuai kebutuhannya. Kondisi tersebut menyebabkan pelanggan harus membandingkan spesifikasi setiap produk secara manual sehingga proses pemilihan menjadi kurang efisien. Penelitian ini bertujuan merancang sistem rekomendasi produk laptop menggunakan metode Content-Based Filtering untuk menghasilkan rekomendasi berdasarkan kemiripan spesifikasi produk. Data yang digunakan sebanyak 20 produk laptop dengan atribut merek, prosesor, kapasitas RAM, media penyimpanan, sistem operasi, dan ukuran layar. Tahapan penelitian meliputi preprocessing data, pembobotan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), serta perhitungan tingkat kemiripan menggunakan Cosine Similarity. Hasil pembobotan menghasilkan 79 fitur yang digunakan sebagai representasi karakteristik produk. Pengujian menggunakan kata kunci "Axioo MyBook Hype 5" menunjukkan bahwa sistem mampu menghasilkan rekomendasi yang relevan, dengan produk Axioo Hype R5T memperoleh nilai kemiripan tertinggi sebesar 80,61%. Hasil penelitian menunjukkan bahwa kombinasi metode TF-IDF dan Cosine Similarity mampu mengidentifikasi tingkat kemiripan spesifikasi antarproduk sehingga sistem dapat memberikan rekomendasi laptop yang sesuai dengan karakteristik produk yang dicari pengguna
Klasifikasi Kesuksesan Film Berdasarkan Karakteristik Produksi Menggunakan Random Forest Garin Dani Saputra; Elsa Oktawiyani; Amanda Aditama Nurani; Alif Akbar Andriyansyah; Sultan Syah Afriyadi
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan industri perfilman global yang pesat memicu timbulnya risiko finansial yang tinggi bagi rumah produksi dan investor akibat ketidakpastian pasar. Kemampuan memproyeksikan potensi kesuksesan film sejak tahap pra-produksi menjadi instrumen manajemen risiko yang sangat krusial. Penelitian ini bertujuan membangun model klasifikasi kesuksesan film menggunakan algoritma Random Forest Classifier berdasarkan karakteristik produksinya. Siklus metodologi yang diadopsi adalah Cross-Industry Standard Process for Data Mining (CRISP-DM) yang mencakup enam tahapan terstruktur. Dataset yang digunakan bersumber dari TMDB 5000 Movies. Label target biner kesuksesan film didefinisikan berdasarkan pencapaian skor evaluasi rating akhir lebih dari tujuh koma nol. Model dilatih menggunakan konfigurasi parameter n_estimators sama dengan seratus dan random_state sama dengan empat puluh dua dengan melibatkan fitur utama berupa budget, revenue, popularity, runtime, genre populer, dan keterlibatan aktor kelas atas. Berdasarkan hasil pengujian, model Random Forest berhasil mencatatkan performa akurasi global yang tinggi sebesar 83,8%. Hasil analisis feature importance menunjukkan bahwa atribut durasi film (runtime) dan tingkat popularitas di masyarakat merupakan dua parameter paling dominan dalam memengaruhi keputusan percabangan pohon keputusan. Model terbaik diserialisasi ke dalam format .pkl dan diimplementasikan ke dalam backend aplikasi web berbasis framework Flask sebagai sistem pendukung keputusan praktis secara real-time.
Co-Authors Abdul Fuad Nurdiansah Alif Akbar Andriyansyah Amanda Aditama Nurani Arcco Putra Azhariansyah Claudea Cahaya Cinta Elsa Oktawiyani Garin Dani Saputra