Anak Agung Aditya Nugraha
Unknown Affiliation

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

Found 2 Documents
Search

PENAMBAHAN FITUR PENGAMBILAN ARTIKEL MENGGUNAKAN API PADA ERP TAKSU Anak Agung Aditya Nugraha; Cokorda Rai Adi Pramartha; Ngurah Agus Sanjaya ER
Jurnal Pengabdian Informatika Vol. 3 No. 1 (2024): JUPITA Volume 3 Nomor 1, November 2024
Publisher : Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana

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

Abstract

Jurnal ini menerangkan tujuan pengabdian kepada masyarakat yang berfokus pada proses penambahan fitur pengambilan artikel menggunakan API pada ERP Taksu Tech Indonesia sebagai proyek dari kegiatan Praktik Kerja Lapangan. PT. Taksu Tech Indonesia merupakan perusahaan yang bergerak di bidang software development yang berlokasi di Kota Denpasar Provinsi Bali. Praktik Kerja Lapangan ini dapat membantu mahasiswa dalam hal mendapatkan pengalaman dengan menyelesaikan proyek berdasarkan permasalahan nyata di bidang informatika dalam perusahaan. Dalam jurnal ini, salah satu permasalahan tersebut yaitu membuat fitur pengambilan artikel menggunakan API. Proyek yang dibuat dalam Jurnal merupakan penambahan fitur pengambilan artikel menggunakan API pada ERP Taksu Tech Indonesia. Fitur ini menggunakan framework Laravel, yaitu framework yang sama yang digunakan dalam ERP Taksu Tech Indonesia. Kata kunci : Pengambilan Artikel, API, Laravel, Fitur, ERP
Penyusunan Sistem Rekomendasi Produk Diecast Mobil Dengan Metode Content-Based Filtering (CBF) Anak Agung Aditya Nugraha; Ngurah Agus Sanjaya ER
Jurnal Nasional Teknologi Informasi dan Aplikasinya Vol. 1 No. 3 (2023): JNATIA Vol. 1, No. 3, Mei 2023
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JNATIA.2023.v01.i03.p25

Abstract

The growing popularity of diecast car collections has created a demand for efficient recommendation systems to assist collectors in discovering new products. This study focuses on the development of a content-based filtering (CBF) recommendation system for diecast car products. The system employs the TF-IDF (Term Frequency-Inverse Document Frequency) and cosine similarity techniques to calculate the relevance between products and user preferences. By analyzing the textual features of diecast car products, such as brand, model, and specifications, the CBF system generates personalized recommendations based on similarity scores. The evaluation of the system's performance demonstrates its effectiveness in providing accurate and relevant recommendations, which enhance the user experience and facilitate the exploration of the diecast car market.