Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
Yanuar Firdaus AW
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Analisis Performansi Framework Prado dan Cakephp pada Aplikasi Web Ajax Yanuar Firdaus AW; Warih Maharani
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2008
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Framework berbasis PHP memberi solusi dengan menyertakan dukungan penerapan Ajax pada fiturframeworknya. Dua framework yang banyak digunakan, PRADO dan CakePHP menerapkan dukungan Ajaxdengan cara yang berbeda. PRADO dengan ciri khas arsitektur event-driven dan component based, mendukungpenerapan Ajax melalui penggunaan Active Controls. Sedangkan CakePHP dengan arsitektur Model-View-Controller, menerapkan Ajax melalui penggunaan kelas Helpers, yaitu Ajax Helpers. Paper inimemrbandingkan penerapan aplikasi web Ajax dengan menggunakan framework PRADO dan CakePHP.Parameter yang dibandingkan adalah kemudahan proses pembangunan aplikasi, ketersediaan fitur-fitur Ajax,dan juga kehandalan dari sisi performansi aplikasi web yang dihasilkan. Hasil pengujian menunjukkanperformansi aplikasi web yang dihasilkan dengan CakePHP lebih baik dari pada framework PRADO.Keywords: framework, PRADO, CakePHP, Ajax.
Analisis Semantic Similarity pada Item Based Recommender System Warih Maharani; Yanuar Firdaus AW
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2008
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Recommender system merupakan sebuah program yang dapat digunakan untuk memprediksi sebuahitem berdasarkan informasi yang diperoleh dari user[1].Collaborative filtering merupakan allgoritma yangtelah banyak digunakan dalam melakukan proses filtering. Paper ini menjelaskan tentang analisis akurasiprediksi yang diperoleh dari recommender system berdasarkan perbandingan training set dengan test set,ukuran neighborhood, ukuran model, serta nilai variabel α sebagai parameter dalam menghitung similarity.Hasil pengujian menunjukkan bahwa akurasi prediksi yang dihasilkan oleh algoritma adjusted cosine similaritydan semantic similarity relatif lebih lebih rendah jika dibandingkan dengan adjusted cosine similarity tanpasemantic similarity .Keywords: Recommender system, semantic similarity, adjusted cosine similarity.
Co-Authors Warih Maharani