Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : SmartComp

Penerapan Metode Content Based Filtering pada Sistem Rekomendasi Pemilihan Produk Skincare Iqbal, Sayid Muhammad; Pratama, Irfan
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 3 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i3.7156

Abstract

Abstrak: Kulit memiliki peran penting sebagai organ terluar yang melindungi dan menyelimuti tubuh manusia. Kurangnya memahami faktor penyebab masalah kulit serta tidak mengetahui jenis kulit sehingga menggunakan skincare tanpa pertimbangan matang sering kali terjadi. Penerapan teknologi dalam sistem rekomendasi produk skincare dengan banyaknya pilihan metode yang dapat diaplikasikan semakin berkembang. Sehingga dapat membantu pelanggan untuk mendapatkan rekomendasi sesuai dengan kriteria masalah pada setiap jenis kulit. Content-Based Filtering adalah salah satu metode yang dapat merekomendasikan atas dasar kemiripan atribut dari produk yang telah dinilai oleh penggunanya. Nilai dari perhitungan yang didapatkan menunjukkan bahwa pasangan dokumen dengan nilai cosine similarity tertinggi adalah antara Q dan D5 dengan nilai 0.411, diikuti oleh Q dan D2 dengan nilai 0.332, Q dan D3 dengan nilai 0.292, Q dan D4 dengan nilai 0.260, dan terakhir Q dan D1 dengan nilai 0.195. Peringkat ini menunjukkan bahwa dokumen D5 paling mirip dengan query Q, sedangkan dokumen D1 memiliki kemiripan paling rendah Hasil penelitian dapat menunjukan nilai cosine similarity dari setiap produk yang disarankan.  Kata Kunci – Sistem Rekomendasi; TF-IDF; Cosine Similarity; Skincare; 
Klasifikasi Tanaman Anggrek Menggunakan Arsitektur Convolutional Neural Network Berbasis Majority Voting Kurniawan, Muhammad Rifki; Pratama, Irfan
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7221

Abstract

Penelitian ini membahas tentang klasifikasi tanaman anggrek menggunakan tiga arsitektur deep learning yang berbeda: Baseline CNN, Xception, dan NASNet Mobile. Berdasarkan analisis, performa dari ketiga model ini dibandingkan menggunakan nilai akurasi dan skor loss. Hasil menunjukkan bahwa NASNet Mobile memiliki performa terbaik dengan akurasi tertinggi dan skor loss terendah. Untuk lebih meningkatkan akurasi dan keandalan prediksi akhir, metode majority voting digunakan untuk menggabungkan hasil prediksi dari ketiga model tersebut. Hasil akhir menunjukkan bahwa dengan menggunakan metode majority voting, akurasi klasifikasi tanaman anggrek mencapai 100%. Penelitian ini menyimpulkan bahwa majority voting dapat secara efektif meningkatkan akurasi klasifikasi dibandingkan dengan menggunakan model tunggal, dengan memanfaatkan keunggulan masing-masing model untuk menghasilkan hasil yang optimal.
Analisis Sentimen Review Aplikasi Jogja Smart Service Pada Google Play Store Menggunakan Metode SVM Kurniawan, Akbar Sidiq; Pratama, Irfan
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7303

Abstract

Perkembangan Teknologi Informasi dan Komunikasi (TIK) telah mengubah cara informasi disampaikan dan mempermudah akses informasi bagi masyarakat. Salah satu implementasi smart city adalah layanan publik berbasis TIK, yang bertujuan mengatasi berbagai masalah masyarakat. Dengan informasi TIK terintegrasi, pelayanan publik menjadi lebih efektif, efisien, dan tepat sasaran. salah satunya pelayanan publik adalah aplikasi Jogja Smart Service yang bisa didownload di google play store.  Saat ini aplikasi Jogja Smart Service telah didownload sebanyak 100 ribu kali dengan rating 4.7.  Pada Google play store bisa dilihat di kolom komentar mengenai ulasan yang telah tulis oleh pengguna aplikasi Jogja Smart Service ini. SVM adalah metode yang memberikan hasil yang baik dalam klasifikasi, karena kemampuannya menemukan hyperplane terbaik untuk memisahkan kelas yang berbeda. Dalam penelitian ini, analisis sentimen terhadap ulasan aplikasi Jogja Smart Service dilakukan menggunakan metode SVM dengan variasi kernel: linear, polynomial, RBF, dan Sigmoid. Hasil pengujian menunjukkan bahwa SVM mampu melakukan analisis sentimen ulasan pengguna aplikasi Jogja Smart Service dengan baik, terutama menggunakan RBF kernel yang mencapai akurasi 90%, lebih tinggi dibandingkan dengan linear, polynomial, dan Sigmoid kernel.