Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Mahasiswa FEB JURIKOM (Jurnal Riset Komputer)
Yanuar, Muhammad Rizki
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
PENGARUH TINGKAT PENGETAHUAN PELAKU UMKM TERHADAP DIGITALISASI DALAM BIDANG PEMASARAN (studi kasus: usaha mikro kecil dan menengah di kota Malang) Yanuar, Muhammad Rizki
Jurnal Ilmiah Mahasiswa FEB Vol. 6 No. 2
Publisher : Fakultas Ekonomi dan Bisnis Universitas Brawijaya

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

Abstract

Pesatnya perkembangan sosial ekonomi, teknologi dan informasi telah mengubah aspek perilaku bisnis dan perekonomian suatu negara, terlebih dalam era globalisasi perdagangan bebas menyebabkan kebebasan dan keleluasaan lalu lintas barang, jasa dan informasi antara negara. Keadaan teknologi yang semakin maju pada masa sekarang harus di imbangi dengan tingkat pengetahuan. Penelitian ini bertujuan untuk menguji pengaruh tingkat pengetahuan pelaku UMKM terhadap pemanfaatan digitalisasi dalam bidang pemasaran dengan menggunakan indikator sosialisasi dan interaksi. Objek penelitian adalah pelaku UMKM yang berada di kota Malang. Metode pengumpulan data menggunakan kuesioner dengan menyebar 100 kuesioner. Data diolah dengan menggunakan alat uji Partial Least Square (PLS) dengan alat bantu perangkat lunak SmartPLS versi 3.2.7. Hasil penelitian menunjukan bahwa sosialisasi dan interaksi memengaruhi tingkat pengetahuan pelaku UMKM dalam bidang digitalisasi pemasaran sedangkan tingkat pengetahuan yang dimiliki pelaku UMKM memengaruhi pemanfaatan digitalisasi di bidang pemasaran. Kata kunci: Tingkat Pengetahuan, Digitalisasi Pemasaran, UMKM.
Sistem Rekomendasi Film Menggunakan Data User-End dan Knowledge Graph Convolutional Network pada Dataset MovieLens 1 M Yanuar, Muhammad Rizki; Umbara, Fajri Rakhmat; -, Agus Komarudin
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 4 (2025): Agustus 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i4.8772

Abstract

Traditional recommendation systems such as Collaborative Filtering and Content-Based Filtering often fail to provide relevant recommendations due to their limitations in handling sparsity and cold-start problems. This study proposes a Knowledge Graph Convolutional Network (KGCN) model enriched with user demographic data from the MovieLens 1M dataset to address these issues. The primary focus of the research is to demonstrate that the Importance Sampling technique is significantly superior to Uniform Sampling in effectively training the model. After hyperparameter tuning, the optimal model configuration achieved peak performance with an AUC score of 0.8798 and NDCG@10 of 0.9719. These results demonstrate that the proposed approach is effective in building an accurate, personalised recommendation system capable of addressing sparsity and cold-start issues.
Co-Authors -, Agus Komarudin Umbara, Fajri Rakhmat