Article Per Year (5 Year)
p-Index From 2020 - 2025
3.734
P-Index
This Author published in this journals
All Journal Maslahah : Jurnal Hukum Islam dan Perbankan Syariah Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Journal of Telematics and Informatics Jurnal Simantec Jurnal Pendidikan Bahasa Indonesia Metodik Didaktik Konvergensi Jurnal Riset Teknologi dan Inovasi Pendidikan (Jartika) Jurnal Mantik JATI (Jurnal Mahasiswa Teknik Informatika) BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Diksatrasia : Jurnal Ilmiah Pendidikan Bahasa dan Sastra Indonesia Eduvest - Journal of Universal Studies Jurnal Rekayasa Sistem Informasi dan Teknologi
Habib, Ahmad
Universitas 17 Agustus 1945 Surabaya
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Rekayasa Sistem Informasi dan Teknologi

 1 
MODEL KLASTERISASI DAN ANALISIS SISTEM REKOMENDASI KEPADA PENGGUNA PERPUSTAKAAN UNIVERSITAS 17 AGUSTUS 1945 SURABAYA MENGGUNAKAN K-MEANS Mochammad Rizki Firmansyah; Habib, Ahmad
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 2 No. 2 (2024): November
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v2i2.1306

Abstract

Dalam situasi ini, analisis data menjadi alat yang sangat penting untuk memahami minat membaca pengguna dan mengukur minat mereka terhadap sistem rekomendasi perpustakaan. Untuk menganalisis minat membaca pengguna, algoritma pembelajaran mesin K-means dapat digunakan untuk memberikan informasi yang lebih mendalam dan efektif. Tujuan penelitian ini adalah mengembangkan model clustering menggunakan K-Means untuk menganalisis dan mengklasterkan sistem rekomendasi bagi pengguna perpustakaan melalui top 3 buku pada setiap prodi dengan mengelompokkannya berdasarkan 3 digit pertama NIM (Nomor Induk Mahasiswa). K-Means adalah algoritma clustering yang umum dan mudah dipahami. K-Means clustering adalah algoritma partisi data mining yang populer dan mudah digunakan untuk mengelompokkan data yang tidak berlabel ke dalam kelompok (cluster) berdasarkan kesamaan. Algoritma K-Means bekerja dengan mengelompokkan data berdasarkan jarak ke centroid dan  menghitung ulang centroid berdasarkan cluster yang telah terbentuk. Hasil yang didapat dari pengujian yang telah dilakukan dengan metode K-Means adalah didapatkan 16 jumlah cluster berdasarkan pengelompokkan NIM (Nomor Induk Mahasiswa), dari pengelompokan NIM (Nomor Induk Mahasiswa) tersebut menghasilkan rekomendasi buku berupa 3 judul buku dengan frekuensi peminjaman pada setiap pengelompokannya atau clusternya.
Co-Authors Abdillah, Naufal Agus Hermanto Andrey Kartika W. H. Ardiyanti, Christin Bachtiar, Yunus Dwi Balok Hariadi Balok Hariadi Dafid Ainur Rozi Edwin Pramana Elsen Ronando Erry Utomo Fatihuddin, Fatihuddin Hartarto Junaedi I Made Astra Ipani, Dea Koesdijarto, Roenadi Koesdijarto, Roenardi Kusnanto, Gery Lasmawati, Fina Kurnia Lestari, Krisna Puji Maulana, Rizqi Slamet Mochammad Rizki Firmansyah Mohamad Syarif Sumantri Muhamad Firdaus Muhammad Syarifuddin Naufal Abdillah Ningsih, Anisa Wahyu Nurhasanah, Ferdike Octaviani, Ayuni Pratamaputra, Arryangga Aliev Purnamawati, Wasi Richardo Zefanya Damarjanan Rifki Satya Romi Isnanda Sajiyo Sajiyo, Sajiyo Siswoyo Siswoyo Sunan, Muhamat Tan Evan Tandiyono Wibowo, Achmad Dicky Yahya, Haydar Yoyo Hambali