Article Per Year (5 Year)
p-Index From 2021 - 2026
3.189
P-Index
This Author published in this journals
All Journal Jurnal Simetris TELKOMNIKA (Telecommunication Computing Electronics and Control) Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Pengabdian UntukMu NegeRI INOVTEK Polbeng - Seri Informatika JOURNAL SPORT AREA JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Teknologi Dan Sistem Informasi Bisnis Jurnal Tekinkom (Teknik Informasi dan Komputer) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Innovation in Research of Informatics (INNOVATICS) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal J-PEMAS Abdiformatika: Jurnal Pengabdian Masyarakat Informatika J-COSCIS : Journal of Computer Science Community Service JAIA - Journal of Artificial Intelligence and Applications SATIN - Sains dan Teknologi Informasi The Indonesian Journal of Computer Science INOVTEK Polbeng - Seri Informatika
Unang Rio
Teknik Informatika, STMIK Amik Riau
Religion Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : The Indonesian Journal of Computer Science

 1 
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.
Co-Authors -, Dwi Haryono -, Fachrizal Abdullah, Khairul Hafezad Abimanyu Yuda Prakoso Adi Saputro Ahmad Fauzi Aulia Ahmad Fauzi Aulia, Ahmad Fauzi Bakaruddin Bakaruddin Dafwen Toresa Edwar Ali Efrizoni, Lusiana Elgamar Syam Erlin Erlin . Ermy Pily, Annisa Khoirala Fachrizal - Fadzli Shah Abd Aziz Fransiskus Zoromi Fransiskus Zoromi, Fransiskus Gazali, Novri Helda Yenni, Helda Imardi, Syahrul Jamaris, Muhamad Julianto Royand Wahyudi simanullang Junadhi, Junadhi Meidina, Mita Muhammad Syaifullah Nova Indriyani Novia Nazirun Rahmaddeni Rahmaddeni Rahmiati Ramadan, Sukra Resti Desmawati Rometdo Muzawi, Rometdo Romi Cendra Suhada, Khairus SUSANTI Susi Erlinda Syahrul Imardi Tashid Tashid Tashid, Tashid Toresa, Dafwen Torkis Nasution Wirta Agustin Yanti, Rini Yoyon Efendi Yustis Maruhawa Zulafwan