Claim Missing Document
Check
Articles

Found 3 Documents
Search

IOS-Based Mobile Service Ordering Application Using Wireframe and Figma Yoyon Efendi; Ilham Perdana; Muhammad Raihan; Rometdo Muzawi; Nurul Utami; Tashid
JAIA - Journal of Artificial Intelligence and Applications Vol. 2 No. 2 (2022): JAIA - Journal of Artificial Intelligence and Applications
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/jaia.v2i2.817

Abstract

Technological developments are increasingly growing rapidly so that everyone cannot avoid these technological advances. The technology in question covers all aspects of life, therefore here we create an application that is expected to help the community in finding tenants for IOS-based services, with the aim of helping people who are difficult in terms of finding service providers who want to be hired to help with their daily homework day.
Sistem Pendukung Keputusan Kelayakan Sertifikasi Guru Menggunakan Metode Multi Attribute Utility Theory (MAUT) Pada SMAN 2 Mandau Harianto, Helfin; Agustin; Junadhi; Tashid
The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3169

Abstract

Pelaksanaan sertifikasi guru merupakan komitmen pemerintah untuk mengimplementasikan amanat Undang-Undang Nomor 14 tahun 2005, yakni mewujudkan guru yang berkualitas dan profesional. Hal-hal terkait dengan proses sertifikasi masih belum sepenuhnya menggunakan sistem yaitu masih dengan cara mendata guru yang layak mengikuti proses sertifikasi berdasarkan kriteria masa kerja, usia, pendidikan terakhir, tugas tambahan, prestasi mengajar, dan jumlah jam mengajar sehingga sering kali menimbulkan kesulitan ketika mengusulkan guru yang layak mengikuti proses sertifikasi dikarenakan memakan waktu yang lama saat pengurutan ranking sertifikasi. Banyak guru yang mengeluhkan proses sertifikasi yang tidak transparan, diantaranya guru yang usia muda serta masa kerja yang lebih sedikit mendapat kesempatan lebih dulu menjalani proses sertifikasi daripada guru yang sudah mempunyai pengalaman kerja yang lama dan usia tua. Sistem pendukung keputusan merupakan proses tindakan atau aksi dalam pemecahan masalah yang diyakini akan memberikan solusi terbaik untuk mencapai tujuan. Dalam Sistem Pendukung Keputusan ini digunakan metode Multi Attribute Ultility Theory (MAUT). Hasil penelitian menggunakan metode mampu memberikan rekomendasi guru yang layak mengikuti sertifikasi. Penerapan metode MAUT memberikan hasil akurasi sebesar 90%, dari hasil tersebut menunjukkan bahwa metode MAUT bisa menjadi metode alternatif untuk sistem kelayakan sertifikasi guru.
Komparasi K-Means Clustering dengan Euclidean dan Cosine Similarity untuk Segmentasi dan Rekomendasi Produk pada Data E-Commerce Ermy Pily, Annisa Khoirala; Susanti; Rio, Unang; Tashid
The Indonesian Journal of Computer Science Vol. 14 No. 2 (2025): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i2.4713

Abstract

Segmentasi pelanggan dan sistem rekomendasi berperan penting dalam meningkatkan pengalaman pengguna dan efektivitas analisis perilaku pelanggan. Penelitian ini membandingkan K-Means Clustering dengan Euclidean Distance dan Cosine Similarity untuk segmentasi pelanggan. Hasil evaluasi menunjukkan K-Means dengan Cosine Similarity lebih unggul, dengan Silhouette Score 0.6918, Calinski-Harabasz Score 3016.781, dan Davies-Bouldin Score 0.951, dibandingkan dengan 0.2363, 1257.178, dan 1.368 pada Euclidean. Clustering diterapkan pada sistem rekomendasi hybrid yang menggabungkan CBF, CF, dan CBPR. Hasil eksperimen menunjukkan bahwa hybrid recommendation dengan bobot CF 0.3, CBF 0.5, dan CBPR 0.2 menghasilkan Precision 0.8266, Recall 0.6198, NDCG 0.9964, dan Hit Ratio 0.9964. Penelitian ini menyimpulkan bahwa K-Means dengan Cosine Similarity lebih efektif dalam membentuk klaster pelanggan, sementara hybrid recommendation dengan bobot CF 0.3, CBF 0.5, dan CBPR 0.2 meningkatkan kualitas rekomendasi secara lebih relevan dan terstruktur.