Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Atik Setyaningsih
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 : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perancangan Sistem Rekomendasi Pemilihan Model Valen Purwaixna Saputra; Bayu Susilo Aji Nugroho; Adi Tegar Setiawan; Atik Setyaningsih; Febrian Maulana
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 teknologi Artificial Intelligence (AI) yang semakin pesat menghadirkan berbagai model AI dengan karakteristik dan kemampuan yang berbeda-beda sehingga pengguna sering mengalami kesulitan dalam menentukan model yang paling sesuai dengan kebutuhannya. Penelitian ini bertujuan untuk merancang sistem rekomendasi pemilihan platform Artificial Intelligence menggunakan metode Content-Based Filtering (CBF) berdasarkan kemiripan karakteristik setiap model AI. Dataset penelitian terdiri atas 40 model AI yang direpresentasikan menggunakan enam atribut, yaitu Context Window, Intelligence Index, Price, Speed (Token/s), Latency, dan End-to-End Response Time. Sebelum dilakukan proses perhitungan, seluruh atribut dinormalisasi menggunakan metode Min-Max Normalization untuk menyamakan rentang nilai data. Selanjutnya, tingkat kemiripan antar model dihitung menggunakan metode Cosine Similarity dan diurutkan berdasarkan nilai similarity tertinggi. Hasil penelitian menunjukkan bahwa model MiMo-V2-Omni-0327 memperoleh nilai similarity tertinggi sebesar 0,9945 terhadap model acuan MiMo-V2-Omni, diikuti oleh Step 3.7 Flash, MiniMax-M3, MiMo-V2.5-Pro, dan DeepSeek V4 Pro (High). Hasil tersebut menunjukkan bahwa metode Content-Based Filtering yang dipadukan dengan Cosine Similarity mampu menghasilkan rekomendasi model Artificial Intelligence berdasarkan kemiripan karakteristik setiap model sehingga dapat membantu pengguna dalam memilih platform AI yang sesuai dengan kebutuhannya.
Co-Authors Adi Tegar Setiawan Bayu Susilo Aji Nugroho Febrian Maulana Valen Purwaixna Saputra