Claim Missing Document
Check
Articles

SiMoI New Method to Solve the Sparsity Problem in Collaborative Filtering Hendra Kurniawan; Sri Lestari; Sushanty Saleh; Rafli Banu Satrio
Journal of Applied Data Sciences Vol 7, No 1: January 2026
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v7i1.1015

Abstract

Sparsity data is a major challenge in collaborative recommendation systems, characterized by the predominance of missing values within the user-item matrix. When a substantial portion of data is unavailable, the estimation process becomes hindered, and prediction accuracy declines due to limited usable information. To address this issue, this study introduces a novel method called SiMoI (Similarity, Mode, and Minimum Imputation), which is adaptively designed to handle high levels of sparsity. The SiMoI method combines user similarity with imputation strategies based on mode and minimum values. By leveraging subsets of the most informative users and items, the method efficiently fills missing entries while maintaining prediction stability. Evaluation was conducted using both real and synthetic datasets with varying sizes and degrees of sparsity, including an extreme scenario with 93.7% missing data. Experimental results show that SiMoI consistently produces more accurate predictions than baseline methods. Under high-sparsity conditions, SiMoI achieved an RMSE as low as 0.823, outperforming KNNI (0.947) and MEAN (1.021). Moreover, SiMoI demonstrated resilience across different data scales and sparsity distributions, indicating its flexibility and scalability in diverse contexts. These findings suggest that SiMoI is an effective and stable approach for addressing sparsity and holds strong potential for implementation in user-based recommendation systems, particularly in real-world scenarios where data availability is frequently limited.
Desain Dynamic Adaptive Level dalam Permainan Gelembung Berbasis AR dan Pelacakan Tangan Sushanty Saleh; Dona Yuliawati; TM Zaini
TEKNIKA Vol. 19 No. 2 (2025): Teknika Mei 2025
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.14948724

Abstract

Penelitian ini mengatasi permasalahan dalam pengembangan game berbasis Augmented Reality (AR) yang kurang adaptif terhadap kemampuan pemain, dengan merancang sistem level dinamis menggunakan teknologi hand tracking. Tujuannya adalah menciptakan pengalaman bermain yang menyesuaikan tingkat kesulitan secara otomatis berdasarkan performa pemain. Metode yang digunakan meliputi implementasi sistem pelacakan tangan dengan MediaPipe, perancangan algoritma adaptif untuk mengatur parameter permainan (durasi jatuh, kuota gelembung, tingkat kecepatan), dan pengujian dengan mengumpulkan 2.786 data sampel. Hasil penelitian menunjukkan bahwa mekanisme adaptif bekerja sesuai desain, dengan korelasi -0,99 antara level dan durasi jatuh, serta korelasi -1 antara level dan kuota gelembung. Sistem pelacakan tangan mencapai akurasi tinggi dalam mendeteksi gerakan pemain, memberikan pengalaman bermain yang responsif. Penelitian ini berkontribusi pada pengembangan game AR dengan kontrol inovatif dan membuka peluang penerapan gamifikasi di bidang edukasi, terapi, dan hiburan interaktif.
Implementasi AHP Penentuan Prioritas Daerah Risiko Tinggi Pada BPBD Lampung Berbasis Website Hernawati Hernawati; Sushanty Saleh; Melda Agarina; Arman Suryadi Karim
TEKNIKA Vol. 19 No. 3 (2025): Teknika September 2025
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.15621195

Abstract

Provinsi Lampung memiliki tingkat kerentanan tinggi terhadap bencana alam seperti gempa bumi, banjir, dan tanah longsor. Penentuan prioritas wilayah rawan bencana oleh BPBD sering terkendala subjektivitas dan keterbatasan waktu. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan berbasis web menggunakan metode Analytical Hierarchy Process (AHP) untuk membantu BPBD menentukan prioritas penanganan wilayah risiko tinggi. AHP digunakan untuk menyusun hirarki keputusan, membandingkan kriteria (ancaman, kerentanan, penduduk terpapar, kerugian, kapasitas), dan menghitung bobot serta rasio konsistensi. Sistem dikembangkan dengan model Waterfall menggunakan Laravel dan MySQL. Hasil perhitungan menunjukkan kriteria ancaman memiliki bobot tertinggi (40%), disusul kerentanan (25%), penduduk terpapar (17%), kerugian (12%), dan kapasitas (6%). Nilai Consistency Ratio (CR) sebesar 0,533 menunjukkan tingkat konsistensi penilaian yang dapat diterima. Sistem mampu menentukan prioritas wilayah secara objektif, dengan Bandar Lampung sebagai daerah dengan skor akhir tertinggi (8,360). Uji black box dan evaluasi pengguna menunjukkan sistem ini efektif, cepat, dan akurat dalam mendukung pengambilan keputusan kebencanaan.