Article Per Year (5 Year)
p-Index From 2021 - 2026
12.129
P-Index
This Author published in this journals
All Journal Jurnal Algoritma Jurnal Informatika Upgris Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JTAM (Jurnal Teori dan Aplikasi Matematika) Jurnal Inotera Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ Indonesian Journal of Applied Informatics Simtek : Jurnal Sistem Informasi dan Teknik Komputer STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Indonesian Journal of Community Services Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Manajemen Informatika dan Sistem Informasi Journal of Information Systems and Informatics bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) INFORMASI (Jurnal Informatika dan Sistem Informasi) G-Tech : Jurnal Teknologi Terapan Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Journal of Advanced in Information and Industrial Technology (JAIIT) Infotek : Jurnal Informatika dan Teknologi Infotech: Journal of Technology Information Infokes : Jurnal Ilmiah Rekam Medis dan Informasi Kesehatan Idealis : Indonesia Journal Information System Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Infotech: Jurnal Informatika & Teknologi Jurnal Pendidikan dan Teknologi Indonesia Bulletin of Computer Science Research Jurnal Mandiri IT Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi Jurnal Teknik Informatika Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Algoritma Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Biner : Jurnal Ilmiah Informatika dan Komputer Proceeding of International Conference Health, Science And Technology (ICOHETECH) Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Informasi Kesehatan Nasional Bengawan :Jurnal Pengabdian Masyarakat Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA) SmartComp Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) ABDIKOM CSRID Jurnal ilmiah teknologi informasi Asia Teknologi : Jurnal Ilmiah Sistem Informasi Smatika Jurnal : STIKI Informatika Jurnal
Vihi Atina
Universitas Duta Bangsa Surakarta
Humanities Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Veterinary Other

Published : 103 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 103 Documents
Search

 7   8   9   10   11 
Penerapan Metode Content-Based Filtering pada Rekomendasi Produk Plastik di Sumberplastik.TP Aliefian Hendra Wardana; Vihi Atina; Joni Maulindar
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

Toko plastik seperti Sumberplastik.TP kini menghadapi tantangan nyata berupa kebingungan pelanggan akibat semakin banyaknya variasi produk plastik, sementara proses rekomendasi produknya masih bergantung pada ingatan serta pengalaman penjual. Untuk mengatasi masalah tersebut, penelitian ini membangun sebuah sistem rekomendasi berbasis website menggunakan metode Content-Based Filtering (CBF) yang bekerja dengan menghitung kemiripan antar-produk berdasarkan atribut kategori, warna, ukuran, kapasitas, bentuk, dan fungsi dari total 45 data produk plastik. Tingkat kemiripan tersebut dihitung menggunakan rumus Similarity. Sistem yang dibangun mencakup fitur pengelolaan data produk, pencarian produk, perhitungan similarity, dan rekomendasi otomatis berdasarkan tingkat kemiripan tertinggi. Kemiripan antar produk dihitung menggunakan rumus Similarity untuk menghasilkan rekomendasi yang relevan bagi pengguna. Pengujian dengan Confusion Matrix pada lima kasus uji menghasilkan rata- rata Precision 81,33% dan Recall 84,67% - cukup untuk menyimpulkan bahwa sistem ini layak digunakan dan efektif membantu pelanggan menemukan produk plastik yang sesuai dengan kebutuhannya.
Perancangan Sistem Rekomendasi Pemilihan Laptop Menggunakan Metode Knowledge-Based Recommendation Amanda Aditama Nurani; Afiq Muhammad Nur Marzuki; Devan Vidhel Azadan; Faizal Wiyatnodito; Vhereyga Putra Pradana; Vihi Atina
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

Pemilihan laptop yang sesuai dengan kebutuhan pengguna sering menjadi tantangan karena banyaknya variasi spesifikasi dan harga yang tersedia di pasaran. Sebagian besar pengguna hanya mengetahui tujuan penggunaan laptop, namun belum memahami spesifikasi perangkat keras yang diperlukan untuk mendukung aktivitas tersebut. Penelitian ini bertujuan merancang sistem rekomendasi pemilihan laptop menggunakan metode Knowledge-Based Recommendation berbasis constraint-based reasoning. Pengembangan sistem menggunakan metode Prototype yang meliputi tahapan Communication, Quick Plan, dan Modelling Quick Design. Dataset yang digunakan terdiri atas data laptop komersial dengan atribut ID Item, merek dan seri laptop, CPU, RAM, SSD, serta harga. Sistem memanfaatkan basis pengetahuan (knowledge base) dan basis aturan (rule base) untuk mencocokkan kebutuhan pengguna berdasarkan kategori penggunaan dan batas maksimum anggaran. Laptop yang memenuhi seluruh batasan spesifikasi dipilih melalui proses constraint matching, kemudian diurutkan menggunakan ranking score berdasarkan efisiensi penggunaan anggaran. Hasil penelitian berupa rancangan proses rekomendasi dan desain antarmuka yang mampu menggambarkan mekanisme pemberian rekomendasi laptop sesuai kebutuhan pengguna. Pada contoh skenario pengujian dengan kategori Komputasi Ringan dan budget maksimum Rp8.000.000, sistem menghasilkan dua alternatif rekomendasi. Laptop Acer Aspire Lite AL14-36P memperoleh nilai ranking score tertinggi sebesar 0,2251, sehingga menempati peringkat pertama sebagai rekomendasi utama. Sementara itu, ASUS Vivobook 14 A1404ZA memperoleh ranking score sebesar 0,0126 dan berada pada peringkat kedua. Pendekatan yang diusulkan diharapkan dapat membantu pengguna memperoleh alternatif laptop yang sesuai tanpa harus memahami spesifikasi teknis secara mendalam.
Perancangan Sistem Rekomendasi Kursus Online di Bidang Teknologi Menggunakan Metode Content-Based Filtering Dina Asritama Wulandari; Yola Aulia Wanergi; Haffiant Resditya Akbar; Andri Khoirul Manaf; Satria Abdul Rofiq; Vihi Atina
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 platform kursus online telah menghadirkan beragam pilihan pembelajaran di bidang teknologi, namun banyaknya pilihan tersebut justru menyulitkan pengguna dalam menemukan kursus yang paling sesuai dengan kebutuhan mereka. Penelitian ini bertujuan untuk merancang sistem rekomendasi kursus online menggunakan metode Content-Based Filtering guna membantu pengguna memperoleh rekomendasi kursus yang relevan secara otomatis. Pengembangan sistem dilakukan menggunakan metode Prototype yang terdiri dari tahapan Communication, Quick Plan, dan Modelling Quick Design. Proses rekomendasi memanfaatkan pembobotan TF-IDF dan perhitungan Cosine Similarity untuk mengukur tingkat kemiripan antara preferensi pengguna dan konten kursus yang tersedia dalam dataset. Hasil pengujian dengan query “Python for Data Science” menunjukkan bahwa sistem berhasil menghasilkan tiga rekomendasi terbaik, yaitu Python for Data Science dengan nilai similarity 0,6907, Python for Beginners sebesar 0,4667, dan Data Analysis with Pandas sebesar 0,3783. Rancangan sistem mencakup pemodelan proses menggunakan flowchart dan use case diagram, serta antarmuka berupa halaman beranda, halaman hasil rekomendasi, dan halaman admin. Sistem yang dihasilkan terbukti mampu mengidentifikasi kursus dengan tingkat kemiripan konten tertinggi dan memberikan kontribusi nyata dalam meningkatkan efisiensi pencarian kursus online di bidang teknologi.
Perancangan Sistem Rekomendasi Menu Kuliner Restoran Menggunakan Metode Content-Based Recommendation Oktawiyani, Elsa; Purwaningsih, Dyah; Khoiri, Ilham; Saputra, Rizal Diaz Reihan; Andriyansyah, Alif Akbar; Atina, Vihi
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 informasi telah memberikan dampak signifikan terhadap industry kuliner, dimana banyak variasi menu yang tersedia sering kali membuat pelanggan mengalami kesulitan dalam menentukan pilihan yang sesuai dengan preferensi dan anggaran. Penelitian ini bertujuan untuk merancang sistem rekomendasi menu kuliner berbasis content-based filtering dengan mengintegrasikan metode TF-IDF dan cosine similarity. Sistem memanfaatkan atribut deskripsi menu, ketegori, penyajian, jenis kuliner, dan harga untuk menghasilkan rekomendasi yang personal dan relevan. Proses pembobotan dilakukan menggunakan TF-IDF dengan L2 normalization, sedangkan perhitungan kemiripan antara preferensi pengguna dan data menu dihitung menggunakan cosine similarity. Hasil rekomendasi kemudian disesuaikan dengan batas budget maksimum yang ditentukan pengguna melalui mekanisme filtering budget. Pengujian sistem dilakukan dengan 32 data menu kuliner menggunakan input keyword “ayam telur”, kategori “Makanan”, Penyajian “Panas”. Hasil Menunjukkan Bakmi Oseng Wonosari menjadi rekomendasi teratas dengan nilai cosine similarity 0,4087, diikuti empat menu lainnya yang memenuhi seluruh kriteria preferensi dan budget pengguna.
Perancangan Sistem Rekomendasi Destinasi Wisata di Kabupaten Karanganyar Menggunakan Metode Content-Based Filtering dengan Cosine Similarity Erlangga Bayu Yudho Prakoso; Holland Nainggolan; Surya Prana Syahputra; Noviadhi Kusuma; Vihi Atina
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

Kabupaten Karanganyar memiliki beragam destinasi wisata dengan karakteristik yang berbeda, sehingga wisatawan sering mengalami kesulitan dalam menentukan tujuan wisata yang sesuai dengan preferensi mereka. Proses pencarian informasi yang masih dilakukan secara manual melalui berbagai sumber menyebabkan pemilihan destinasi menjadi kurang efektif. Penelitian ini bertujuan untuk merancang sistem rekomendasi destinasi wisata di Kabupaten Karanganyar menggunakan metode Content-Based Filtering dengan Cosine Similarity. Penelitian menggunakan metode System Development Life Cycle (SDLC) yang dibatasi hingga tahap Planning, Analysis, dan Design. Pada tahap analisis dilakukan identifikasi kebutuhan sistem, studi literatur, serta representasi data destinasi wisata berdasarkan atribut kategori wisata, lokasi, harga tiket, dan fasilitas. Tahap perancangan meliputi flowchart sistem, use case diagram, activity diagram, representasi data destinasi wisata, perancangan metode Content-Based Filtering, perhitungan tingkat kemiripan menggunakan Cosine Similarity, serta perancangan antarmuka pengguna. Hasil penelitian berupa rancangan sistem rekomendasi yang mampu menghasilkan pemeringkatan destinasi wisata berdasarkan nilai Cosine Similarity. Berdasarkan contoh preferensi pengguna, diperoleh 10 destinasi wisata dengan nilai Cosine Similarity tertinggi sebesar 0,866, di antaranya Air Terjun Grojogan Sewu, Puncak Lawu via Cemoro Kandang, Wana Wisata Sekipan, The Lawu Park, dan Lawu Camp. Rancangan sistem yang dihasilkan diharapkan dapat menjadi acuan dalam pengembangan sistem rekomendasi destinasi wisata pada penelitian selanjutnya.
Perancangan Sistem Rekomendasi Pemilihan Komponen IoT Berdasarkan Kebutuhan Proyek Menggunakan Metode Content-Based Filtering Irfan Dwi Rangga Premana; Zackyannafi Nashru Romadhoni; Andika Wahyu Saputra; Dzaky Anggoro; Rio Mahesa; Vihi Atina
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 Internet of Things (IoT) menghadirkan beragam komponen perangkat keras dengan karakteristik dan spesifikasi yang berbeda-beda, sehingga proses pemilihan komponen yang sesuai kebutuhan proyek menjadi semakin kompleks, terutama bagi mahasiswa dan pengembang pemula yang masih mengandalkan pencarian referensi secara manual. Penelitian ini bertujuan merancang dan mengimplementasikan sistem rekomendasi pemilihan komponen IoT berbasis kebutuhan proyek menggunakan metode Content-Based Filtering yang dipadukan dengan arsitektur Two-Pass Retrieval-Augmented Generation (RAG) Pipeline. Sistem dibangun di atas basis data SQLite berisi 220 entitas komponen IoT dengan tujuh atribut teknis, serta menerapkan pendekatan Controlled Vocabulary untuk menjaga konsistensi proses pencarian. Pada tahap pertama, model bahasa besar (LLM) Llama 3.3 mengekstraksi kata kunci dari deskripsi proyek pengguna, yang kemudian dicocokkan secara matematis menggunakan algoritma Cosine Similarity terhadap basis data komponen. Pada tahap kedua, LLM berperan sebagai Senior Hardware Engineer untuk menghasilkan penjelasan teknis berbasis prinsip fisika atas komponen yang direkomendasikan. Hasil pengujian terhadap lima skenario ekstrem menunjukkan sistem mampu memberikan rekomendasi presisi tinggi, seperti merekomendasikan Sensor Kelembapan Tanah (46,23%) untuk skenario irigasi, serta Sensor Detak Jantung MAX30102 (40,82%) untuk skenario instrumen medis portabel. Pendekatan Controlled Vocabulary terbukti efektif mengeliminasi risiko konfabulasi (artificial hallucination) LLM pada tahap seleksi awal hingga 0%, sementara tahap Explainable Generation mampu mengoreksi secara mandiri anomali hasil perhitungan matematis. Sistem ini diharapkan dapat membantu mahasiswa, peneliti, maupun pengembang dalam menentukan komponen IoT yang optimal secara lebih cepat, tepat, dan sesuai dengan kebutuhan implementasi proyek
Rancang Bangun Sistem Rekomendasi Film IndonesiaMenggunakan Hybrid Filtering Berbasis Singular Value Decomposition dan Content-Based Filtering Firdaus, Muhammad Hanafi Afan; Suwita, Rahma Widhi Puja; Fawaid, Faqih Jendra; Faddly, Vicky Rachmad Nur; Amin, Ismail Fikrun; Atina, Vihi
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

Pertumbuhan platform streaming dan katalog film lokal membuat pengguna semakin sulit menemukan film Indonesia yang sesuai dengan preferensinya. Penelitian ini merancang CineNusa, prototipe sistem rekomendasi film Indonesia yang menggabungkan Content-Based Filtering (CBF) berbasis TF-IDF dan cosine similarity dengan Collaborative Filtering (CF) berbasis Singular Value Decomposition (SVD). Dataset yang digunakan adalah IMDb Indonesian Movies dari Kaggle yang berisi 1.262 film valid setelah pembersihan data. Karena dataset tidak menyediakan rating pengguna nyata, penelitian ini membangkitkan 17.461 rating sintetik dari 400 pengguna virtual berbasis rating IMDb dan noise Gaussian. Skor akhir rekomendasi dihitung dengan bobot 60% CBF dan 40% SVD. Evaluasi 5-fold cross-validation terhadap komponen SVD pada data rating sintetik menghasilkan RMSE rata-rata 0,3841 dan MAE rata-rata 0,2762. Sistem diimplementasikan sebagai aplikasi web berbasis Flask dengan fitur pencarian, rating film, rekomendasi personal, jelajah genre, mode swipe, dan perbandingan film. Hasil menunjukkan bahwa pendekatan hybrid SVD-CBF layak digunakan sebagai fondasi prototipe rekomendasi film Indonesia, tetapi validasi lanjutan dengan rating pengguna nyata tetap diperlukan.
Sistem Cerdas Deteksi Kerusakan Jalan dengan Perbandingan Algoritma YOLOV8 dan SSD MobileNet Tualaka, Jupriola Jeskris Soleman; Atina, Vihi; Farida, Anisatul
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

Infrastruktur jalan raya yang aman dan nyaman merupakan fasilitas esensial bagi masyarakat, namun pengawasan kondisi jalan secara manual memiliki keterbatasan yang signifikan. Penelitian ini bertujuan untuk mengembangkan sistem cerdas pendeteksi kerusakan jalan raya guna mengenali berbagai jenis kerusakan seperti retak buaya, pelepasan butir, dan lubang. Sebagai solusi atas permasalahan tersebut, penelitian ini membandingkan kinerja dua algoritma deep learning berbasis Convolutional Neural Network (CNN) tipe one-stage detector, yaitu YOLOv8 dan SSD MobileNet. Metodologi yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM). Dataset yang digunakan sangat terbatas, yakni 45 citra kerusakan jalan yang diekstraksi dari Google Maps dan tangkapan kamera langsung, kemudian dikelola serta diaugmentasi menggunakan platform Roboflow. Hasil pengujian menunjukkan bahwa algoritma YOLOv8 memiliki tingkat responsivitas yang lebih tinggi dengan nilai mean Average Precision (mAP) pada IoU 0.50 berhasil mencapai angka 72 persen. Namun, metrik YOLOv8 menunjukkan volatilitas dan indikasi overfitting akibat menghafal dataset latih yang terlalu sempit. Di sisi lain, model SSD MobileNet mengalami kegagalan konvergensi secara mutlak dengan nilai mAP yang terus stagnan di angka 30 persen selama 100 epoch. Kegagalan ini disebabkan oleh ketidakmampuan algoritma SSD dalam menangani gangguan visual atau noise pada kondisi data yang sangat minim. Dapat disimpulkan bahwa kedua model saat ini belum siap untuk tahap implementasi produksi.
Sistem Rekomendasi Pemilihan Ban Mobil Menggunakan Metode Case-Based Reasoning Berbasis K-Nearest Neighbors Ibnu Khairul Huda; Hisyam Arsyad Zakiyuddin; Izzul Maali; Afif Adam Mughnansyah; Ravinolddy Firza Pratama; Vihi Atina
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

Menentukan ban mobil yang paling cocok kerap menjadi persoalan bagi konsumen umum karena banyaknya kombinasi spesifikasi teknis yang harus disesuaikan dengan kebutuhan berkendara. Penelitian ini mengusulkan sistem rekomendasi ban mobil yang mengombinasikan metode Case-Based Reasoning (CBR) dengan algoritma K-Nearest Neighbors (K-NN) pada tahap pengambilan kasus (retrieval). Proses dilakukan melalui empat tahap: pengumpulan data, normalisasi, perancangan model, dan penerapan pada platform web. Dari 574 catatan ban mentah, tersisa 446 catatan valid setelah pembersihan dan normalisasi. Kemiripan kasus baru dengan kasus tersimpan dihitung berdasarkan lima atribut berbobot: lebar ban, rasio aspek, diameter pelek, harga, dan jenis pemakaian. K-NN mengurutkan kandidat berdasarkan skor kemiripan dan menetapkan tiga teratas (K=3) sebagai rekomendasi. Pada uji coba dengan lebar 7,5 inci, rasio 65, pelek 15 inci, harga Rp1.500.000, dan kebutuhan CITY, sistem merekomendasikan tiga ban Bridgestone berukuran 185/65-15, yaitu B250HZ T (skor 0,9972), Turanza T005 (skor 0,9970), dan Turanza 6 (skor 0,9969), dengan seluruh skor kemiripan di atas 0,99. Pengukuran MAE dan RMSE menunjukkan galat di bawah 0,02, sementara simulasi confusion matrix mencatat nol false positive (`=1,00). Temuan ini menegaskan bahwa perpaduan CBR dan K-NN mampu bekerja akurat sebagai mesin rekomendasi ban mobil dan layak diterapkan pada aplikasi berbasis web.
Perancangan Sistem Rekomendasi Sarung Pria Berdasarkan Preferensi Pengguna Menggunakan Metode Constraint-Based Recommendation Muhammad Alive Muflih; Ahmad Saifudin; Dimas Adji Yoga Saputra; Hasan Azhary; Dony Ibnu Prakoso; Vihi Atina
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

Pemilihan sarung pria sering kali menjadi tantangan bagi konsumen karena banyaknya variasi produk yang tersedia dengan karakteristik yang berbeda seperti merek, jenis, bahan, warna, ukuran, dan harga. Penelitian ini bertujuan merancang sistem rekomendasi sarung pria berdasarkan preferensi pengguna menggunakan metode Constraint-Based Recommendation. Pengembangan sistem menggunakan metode Prototype yang terdiri atas tahap identifikasi masalah, pengumpulan kebutuhan, analisis kebutuhan, perancangan, dan implementasi. Dataset penelitian menggunakan 30 data produk sarung yang berasal dari toko milik peneliti. Sistem bekerja dengan mencocokkan preferensi pengguna terhadap atribut produk dan menghitung nilai matching score untuk menentukan tingkat kesesuaian setiap produk. Berdasarkan skenario preferensi pengguna berupa merek Alima, bahan Sutera, dan ukuran Besar, sistem menghasilkan tiga rekomendasi terbaik, yaitu ALIMA Sarung Gunung Ekslusive Sutera dengan nilai 1, ALIMA Sarung Kawung Sutera dengan nilai 1, serta KETJUBUNG Sarung Crown dengan nilai 0,67. Hasil tersebut menunjukkan bahwa metode Constraint-Based Recommendation mampu menghasilkan rekomendasi yang relevan berdasarkan tingkat kesesuaian atribut produk terhadap preferensi pengguna sehingga dapat membantu proses pemilihan sarung secara lebih efektif dan objektif.
Co-Authors Adi Lukman Maulana Adri Surya Kusuma Afif Adam Mughnansyah Afiq Muhammad Nur Marzuki Afu Ichsan Pradana Agung Saputro Agustina Srirahayu Ahmad Bagus Prakoso Ahmad Saifudin Akbar Permana, Danny Aldi Wahyudi Arta Alfian Budiman Aliefian Hendra Wardana Alvifah Diyan Safitri Amad Tri Yanto Amanda Aditama Nurani Amin, Ismail Fikrun Andi Saputro Andika Wahyu Saputra Andreas Sigit Andreas Andri Khoirul Manaf Andriyansyah, Alif Akbar Anin Aliya Pahlevi, Khumaira Anisatul Farida Anisatul Farida Anjar Setiawan Aprilisa Arum Sari Aprilisa Arumsari Ardi Lestari, Sofiana Arlin Govinda Putra Asa Dilla Safitri Atmojo, Fernando Winantya Bagaskara, Ikrar Bagaskara, Mochammad Naufal Bagus Muhammad Latif Bambang Prasetyo Bawindra Surya, Lintang Chiva Olivia Bilah Daffa Ebtra Satria Dedi Nugroho Devan Vidhel Azadan Dimas Abimanyu Sutrisno Putro Dimas Adji Yoga Saputra Dina Asritama Wulandari Dinita Christy Pratiwi Dony Ibnu Prakoso Dwi Hartanti Dwi Hartanti Dwi Hartanti Dwi Hartanti Dzaky Anggoro Eka P. Meravigliosi Eko Purwanto Ema Sagita Desylawati endra setiyawan Erlangga Bayu Yudho Prakoso Esti Suryani Esti Suryani Faddly, Vicky Rachmad Nur Fadilah Nuria Handayani Faizal Wiyatnodito Fajrin Fadhilah, Dayinta Fajrin, Shoffia Farahwahida Mohd FAULINDA ELY NASTITI Fauzi Bondan Prihananto Fawaid, Faqih Jendra Firdaus, Muhammad Hanafi Afan Haffiant Resditya Akbar Hafids Sidiq, Muhammad Hartanti , Dwi Hasan Azhary Hasanah, Herliyani Hisyam Arsyad Zakiyuddin Holland Nainggolan ibnu - salifi Ibnu Khairul Huda Imaduddin, Mohamad Indrastata, Ilham Buyung Infantono, Ardian Intan Oktaviani Irfan Dwi Rangga Premana Izzul Maali Jamilatun Safitri Janah, Selvi Miftakhul Joni Maulidar Khoiri, Ilham Kurnia Sari, Vena Lufti Puspitasari Marobo Maulidar, Joni Maulindar, Joni Meraldy Fiko Rastio Ajie Moh. Muhtarom Mohd, Farahwahida Muflih Taqiuddin Muhamad Ridwan Muhammad Alive Muflih Muhammad Alwan Nurdin Muhammad Anugrah Putra Muhammad Dhafa Diar Ardhana Muhammad Fahmi Panwar Muhammad Frasha Candra Perdana Muhammad Hanif Hilmi Nailurrizqi, Adistya Nastiti, Faulinda Eli Niken Pratiwi, Niken Noviadhi Kusuma Nugroho Arif Sudibyo Nur Arifin, Taufiq Nur Mahar Aji mahar Nurchim Nurdin, Muhammad Alwan Nurlita, Catarina Ivanda Nurmalitasari Nurmalitasari Okta Ramma Saputri Oktaviani, Intan Oktawiyani, Elsa Otto Santoso Putro Pegi Hasyim Rosidi Permatasari, Hanifah Pipin Widyaningsih Pradityo Utomo Pradityo Utomo Pramoedya Ananta Dzikri Pratiwi, Dinita Christy Purnama, Joel Adikurnia Purwaningsih , Dyah Putra, Hadi Widya Nugraha Surya Putra, Hasda Surya Putri, Della K. Putri, Desy Puspa Ragil Saputro, Abdullah Raharisti, Nur Arifah Ramadhan, Chandra Ratmini, Yuli Ravinolddy Firza Pratama Reza Aditya Angga Putra Reza Pradana, Areta Ridwan, Alfian Junior Rifan Amirul H, Muhammad Rifdah Azizah, Hani Rio Mahesa Rio Sandy Laksono Rizky Setiawan, Fadli Rizky Vera Oktarina Rudi Susanto Rusdiana Ekawati, Ratih Saputra, Dwi Bagus Saputra, Rizal Diaz Reihan Saputro, Nurbagus Satria Abdul Rofiq Sejati, Ariya Putra Septi Dwi Supriati Setiawati, Neha Poetri Sihwi, Sari W. Sopingi Sopingi, Sopingi SRI SUMARLINDA Srisuk, Prattana Stefanus Ardi Prasetyo Sulami, Atik Sulistiyo, Galih Surya Prana Syahputra Suwandi, Djatmiko Suwita, Rahma Widhi Puja Tanwal Hu, Wupiwulang Taufiq NurHidayat Theo Santoso, Daniel Tomy Anugrah Islami Tualaka, Jupriola Jeskris Soleman Umi Salamah Umi Salamah Utomo, Dimas Cahyo Vhereyga Putra Pradana Viona Putri Ardiana Vita Aryadi Wahyu Kurniawan, Christian Wibowo, Anita Carolina Wiharto Wiharto Wiharto Wijiyanto Wijiyanto Wijiyanto, Wijiyanto Yola Aulia Wanergi Yommy Adhiwira Yudha Zackyannafi Nashru Romadhoni