Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : eProceedings of Engineering

Implementasi ETL (Extract, Transform, Load) Pangkalan Data Perguruan Tinggi dengan Menggunakan State-Space Problem Ramanti Dharayani; Kusuma Ayu Laksitowening; Amarilis Putri Yanuarifiani
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Extraction, Transformation, dan Load (ETL) adalah salah satu proses pada datawarehouse. Proses dari ETL adalah mengumpulkan data dari berbagai macam sumber. ETL adalah proses untuk mengolah data menjadi data yang bersih sesuai dengan ketentuan datawarehouse. Proses ETL pada umumnya terdiri dari berbagai macam aktivitas dan membutuhkan waktu serta memori yang cukup besar. Pada tugas akhir ini akan dilakukan implementasi ETL dengan menggunakan alur kerja state space problem pada kasus Pangkalan data perguruan tinggi. State space problem digunakan untuk menggambarkan alur proses ETL dan mencari urutan aktivitas pada proses ETL. Dari hasil pengujian ETL dilakukan perubahan urutan aktivitas dengan menggunakan transisi graf dan didapatkan hasil yang lebih optimal. Keywords— Extract, Transform, Load, ETL, state space problem, data warehouse, oracle warehouse builder
Sistem Rekomendasi Buku Dengan Collaborative Filtering Menggunakan Metode Singular Value Decomposition (SVD) Akbar, Ridho; Richasdy, Donni; Dharayani, Ramanti
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Buku/novel adalah salah satu media hiburan yang tidak pernah luput oleh zaman. Bagi penikmatnya, buku adalah suatu hal yang sangat penting karena buku merupakan suatu hiburan yang akan dibaca sesuai dengan suasana hati mereka. membaca juga merupakan jendela dunia, Dikarenakan banyaknya judul – judul buku yang telah rilis,hal tersebut membuat banyak orang sulit dalam memilih buku yang ingin mereka baca. Dalam permasalahan ini dibutuhkan suatu sistem yang dapat memudahkan pengguna dalam mencari buku atau novel yang sesuai dengan minat mereka, sebuah sistem rekomendasi dirasa mampu untuk memecahkan permasalahan ini. Maka dari itu penilitian ini membangun sebuah sistem rekomendasi buku dengan Userbased Collaborative Filtering menggunakan metode singular value decompsotion (SVD). Dan dilakukan pengukuran akurasi menggunakan metode MAE dan MSE dan didapatkan hasil akurasi MAE sebesar 0,7063 dan MSE sebesar 0,913.Kata kunci — Sistem Rekomendasi, User Based Collaborative Filtering, SVD.
Sistem Rekomendasi Collaborative Filtering Pada Smartphone Menggunakan K-Means Pratama, Reyhan; Richasdy, Donni; Dharayani, Ramanti
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Smartphone memenuhi kebutuhan user dengan menyediakan berbagai layanan komunikasi yang memungkinkan seperti transfer informasi dalam bentuk teks, grafik, suara, dan layanan Internet. Banyak dari masyarakat kebingungan untuk memilih dari banyak nya merk dan tipe yang beredar di pasar saat ini. Maka dari itu penelitian ini melakukan pemberian rekomendasi dengan perbandingan prediksi rating smartphone menggunakan metode K-Means dengan membandingkan tiga perhitungan similarity diantaranya Pearson, Pearson Baseline dan Cosine, dan penggunaan jumlah tetangga yang bervariatif. Dilakukan perbandingan tingkat kinerja antara skenario yang berbeda. Berdasarkan perhitungan dan analisis yang sudah dilakukan, didapatkan skenario antara penggunaan jumlah trainset 80% dan testset 20%, metode similarity Pearson Baseline, dan 90 jumlah tetangga menghasilkan nilai error terkecil dengan nilai RMSE 0.6599 yang merupakan skenario K-Means dengan kinerja paling tinggi dalam penelitian ini. Sedangkan skenario penggunaan jumlah trainset 70% dan testset 30%, metode similarity Pearson, dan 10 jumlah tetangga menghasilkan nilai error terbesar dengan nilai RMSE 0.7279 yang berarti skenario tersebut memiliki kinerja paling rendah.Kata Kunci— Smartphone, K-Means, User-based Collaborative Filtering, Similarity, RMSE.