Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Teknologi Sistem Informasi
Pratama, Riky Putra
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Penentuan Sparepart Genset Paling Sering Digunakan Pada Operator Indosat Ooredoo Hutchison Dengan Algoritma C4.5 Lubis, Baginda Oloan; Ifaru, Cyrill Ilario; Zahra, Alfia; Aenuddin, Muhammad Hardithya; Setiawan, Eri Nur; Maulana, Cahyadi Anugrah; Pratama, Riky Putra; Khasanah, Nurul
Jurnal Teknologi Sistem Informasi Vol 5 No 1 (2024): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v5i1.7481

Abstract

Kemajuan teknologi di bidang telekomunikasi telah membuat genset menjadi kebutuhan penting untuk menyediakan daya cadangan tambahan. Genset, singkatan dari "Generator Set," adalah sistem yang terdiri dari generator listrik dan mesin penggerak yang berperan dalam menghasilkan listrik. Genset sangat penting dalam operasional tower seluler karena berfungsi sebagai sumber cadangan listrik saat terjadi pemadaman listrik dari sumber utama. Dengan adanya genset, tower seluler dapat tetap beroperasi tanpa terganggu, sehingga layanan komunikasi bagi pengguna tetap dapat berjalan dengan baik. Penelitian ini bertujuan untuk untuk mengidentifikasi spare part Genset yang sering dipakai oleh operator Indosat Ooredoo Hutchison. Metode yang digunakan adalah algoritma C4.5, sebuah algoritma pembelajaran mesin yang memungkinkan pembuatan pohon keputusan berdasarkan data yang ada. Dataset yang digunakan sejumlah 101 data. Data tersebut kemudian dijadikan masukan untuk algoritma C4.5. Hasil penelitian menunjukkan nilai akurasi sebesar 75,41%.
Pengelompokkan Film Pada Platform Netflix Menggunakan Metode K-Means Clustering Sebagai Rekomendasi Film Budihartanti, Cahyani; Ifaru, Cyrill Ilario; Zahra, Alfia; Aenuddin, Muhammad Hardithya; Setiawan, Eri Nur; Maulana, Cahyadi Anugrah; Pratama, Riky Putra
Journal of Information System Research (JOSH) Vol 5 No 4 (2024): Juli 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v5i4.5482

Abstract

Netflix has become a major icon in technological developments in the world of entertainment. Advances in information technology allow us to make it easier to access thousands of film and TV show titles. Netflix is ​​a subscription service that makes it easier for users to watch movies and TV shows without ads on devices connected to the Internet. With the increasing number of film and TV show titles, it makes it difficult for viewers to decide which film to watch. The K-Means Clustering method is used to analyze data from various film preference groups on Netflix. The results of this analysis can help users choose film recommendations based on the rating and genre they want. In this way, it will be easier for users to make choices for watching movies and TV shows. The dataset taken came from Kaggle with 9957 data. The results of research using the K-means Clustering method can be concluded that there are 3 clusters, where Cluster 0 is short films to feature films with an average of 33% action genre and 20% comedy, cluster 1 is films - feature films to biographical or documentary films with an average of 37% action genre and 19% drama, and cluster 2 is series or short films with an average of 32% drama genre, 24% crime and 22% action.
Co-Authors Aenuddin, Muhammad Hardithya Baginda Oloan Lubis Cahyani Budihartanti, Cahyani Ifaru, Cyrill Ilario Maulana, Cahyadi Anugrah Setiawan, Eri Nur Veithzal Rivai Zainal Zahra, Alfia