Article Per Year (5 Year)
p-Index From 2020 - 2025
2.647
P-Index
This Author published in this journals
All Journal Jurnal TAM (Technology Acceptance Model) Jusikom : Jurnal Sistem Komputer Musirawas JUTIM (Jurnal Teknik Informatika Musirawas) Jurnal Teknologi Informasi MURA J-SAKTI (Jurnal Sains Komputer dan Informatika) JUSIM (Jurnal Sistem Informasi Musirawas) J-SAKTI (Jurnal Sains Komputer dan Informatika) BISMA Cendekia Prosiding Seminar Riset Mahasiswa Jurnal Teknologi Informasi Mura Jurnal TAM (Technology Acceptance Model)
Satrianansyah, Satrianansyah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Teknologi Informasi MURA

 1 
ANALISA KUALITAS WEBSITE KORAN ONLINE XYZ MENGGUNAKAN METODE WEBQUAL Satrianansyah Satrianansyah; Novi Lestari; Marhaban Khailani Al - Hafiezd
Jurnal Teknologi Informasi Mura Vol 13 No 1 (2021): Jurnal Teknologi Informasi Mura Juni
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v13i1.1309

Abstract

Website koran online xyz merupakan website yang memberikan pelayanan informasi berita baik berupa berita politik ,budaya ,olahraga kriminal ,lifestyle serta wisata, namun selama ini webiste tersebut masih mempunyai berbagai kekurangan, maka dari itu wesbite tersebut akan dilakukan pengukuran terhadap kualitas yang dihasilkan dengan menggunakan metode webqual, metode webqual merupakan metode pengukuran dengan beberapa indikator yaitu kualitas kegunaan, kualitas informasi, kualitas interaksi pelayanan dan kualitas keseluruhan. Pada penelitian ini hasil yang didapatkan dari hasil uji validitas dari setiap butir pernyataan dari ke 4 indikator tersebut yaitu kualitas kegunaan, kualitas informasi, kualitas interaksi pelayanan dan kualitas keseluruhan dinyatakan valid yang artinya website koran online xyz sudah dapat dikatakan baik dari sisi pengguna.
IMPLEMENTASI DAN ANALISIS ASOSIASION RULE MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA FP GROWTH Aktavera, Beni; Satrianansyah, Satrianansyah; Elmayati, Elmayati; Wijaya, Harma Oktafia Lingga
Jurnal Teknologi Informasi Mura Vol 16 No 1 (2024): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v16i1.2284

Abstract

Analisis asosiasi merupakan teknik data mining yang digunakan untuk menemukan hubungan atau pola tersembunyi antara item dalam sebuah dataset. Dua algoritma populer yang sering digunakan dalam analisis asosiasi adalah Algoritma Apriori dan Algoritma FP-Growth. Algoritma Apriori bekerja dengan prinsip mencari frekuensi itemset yang muncul dalam dataset. Proses ini dimulai dengan mengidentifikasi item-item yang paling sering muncul, kemudian memperluasnya menjadi kombinasi item yang lebih besar dan memeriksa frekuensinya. Algoritma ini menggunakan konsep support dan confidence untuk mengukur kekuatan asosiasi antara item. Support mengukur seberapa sering suatu itemset muncul dalam dataset, sedangkan confidence mengukur seberapa sering item B muncul di transaksi yang mengandung item A. Meskipun Algoritma Apriori efektif dalam menemukan aturan asosiasi, algoritma ini bisa menjadi tidak efisien pada dataset yang sangat besar karena harus melakukan banyak iterasi dan memindai dataset berkali-kali. Sebagai alternatif, Algoritma FP-Growth menggunakan pendekatan yang berbeda dengan membangun struktur data yang disebut FP-Tree (Frequent Pattern Tree) untuk menyimpan informasi tentang frekuensi itemset dalam dataset [1]. FP-Tree memungkinkan Algoritma FP-Growth untuk memindai dataset hanya dua kali, yang membuatnya lebih efisien dibandingkan dengan Algoritma Apriori. Setelah membangun FP-Tree, algoritma ini kemudian menggunakan teknik divide-and-conquer untuk menemukan itemset yang sering muncul tanpa harus melakukan iterasi berulang kali. Studi perbandingan antara Algoritma Apriori dan FP-Growth menunjukkan bahwa FP-Growth cenderung lebih efisien dalam hal waktu komputasi dan penggunaan memori, terutama pada dataset yang besar. Namun, Algoritma Apriori masih memiliki keunggulan dalam hal interpretasi hasil yang lebih mudah dipahami dan implementasi yang lebih sederhana [2].
Co-Authors Aktavera, Beni Anugrah Pratama Armanto, Armanto Bella Mutia Budi Santoso Cindi Wulandari Efendi, Shelly Nadia Egiyansya, Aag Elmayati, Elmayati Fauzan, Muazim Rahman Jeki Saputra Karman, Joni Kurnia Adha Lingga Wijaya, Harma Oktafia Marhaban Khailani Al - Hafiezd Novi Lestari Novi Lestari Nurdiansyah, Deni Sujayanti, Elies Fifit Taufik Rahman Zulfauzi, Z Zulfauzi, Zulfauzi