Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Dinamik Jurnal Teknologi Sistem Informasi
Fitrianti, Ika
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Analisis Algoritma Apriori Untuk Penentuan Asosiasi Penggunaan Deposito pada Nasabah Bank Fadilah, Frido Firman; Hamidah, Khoirunnisa; Fitrianti, Ika; Salsabila, Farras; Jaman, Jajam Haerul
Dinamik Vol 29 No 2 (2024)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v29i2.9433

Abstract

Keberadaan bank sebagai salah satu salah satu institusi keuangan terkemuka dalam perekonomian memberikan peluang yang sangat besar untuk memanfaatkan data nasabah dalam mengambil keputusan yang lebih baik dan efektif. Data deposito adalah salah satu instrumen investasi yang populer di kalangan nasabah bank, yang menawarkan keuntungan bunga yang lebih tinggi dibandingkan dengan tabungan biasa. Dengan menggunakan pemrograman Python, penelitian ini menghasilkan nilai confidence minimum sebesar 90% dan nilai support minimum yang dihasilkan adalah 90%. Maka, antar atribut satu dengan yang lainnya memiliki keterikatan yang kuat dan dapat menjadi acuan untuk pengambilan keputusan pada nasabah untuk penggunaan deposito.
Clustering Film Populer pada Aplikasi Netflix dengan Menggunakan Algoritma K-Means dan Metode CRISP-DM Fitrianti, Ika; Voutama, Apriade; Umaidah, Yuyun
Jurnal Teknologi Sistem Informasi Vol 4 No 2 (2023): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

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

Abstract

Netflix adalah platform video streaming yang paling banyak digunakan diseluruh dunia dan mulai mengadopsi teknologi analisis data dan machine learning untuk meingkatkan layanan pengguna. Netflix menggunakan data analisis untuk memahami perilaku pengguna sehingga pengguna dapat memberikan rekomendasi yang relevan. Pada penelitian ini dilakukan analisis cluster pada dataset yang berjumlah 7.637 data film Netflix yang sudah difilter menggunakan operator Rapidminer dan metode clustering. Pada penelitian ini menggunakan metode CRISP-DM dan algoritma K-Means dalam proses eksekusi di rapidminer. Dataset yang telah berhasil difilter terdapat 3 atribut yang digunakan dari 9 atribut dataset yang telah dikumpulkan yaitu durasi, rating, dan votes. Dari hasil pemodelan clustering, menunjukkan 3 cluster yang memiliki nilai rata-rata centroid yang berbeda. Dari ketiga kluster tersebut, cluster 1 menjadi cluster yang ciri-ciri ideal dalam mengelompokkan film popular di Netflix yaitu dengan nilai rata-rata pada atribut rating sebesar 8.180, atribut durasi sebesar 60.704, dan atribut votes sebesar 2602,684. Dari hasil peneltian tersebut diharapkan dapat membantu pengguna dalam menemukan film-film yang sesuai dengan minat dan preferensi pengguna.
Co-Authors Apriade Voutama Fadilah, Frido Firman Hamidah, Khoirunnisa Jaman, Jajam Haerul Salsabila, Farras Umaidah, Yuyun