Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Telcomatics Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Saputra, M. Abdilah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Fuzzy Logic dalam Sistem Rekomendasi Film: Studi Kasus Justice League (2017) Leonardo, Kevin; Saputra, M. Abdilah; Ikhlas, Junior; Marbun, Ricky Yohannes; Anaztasya, Azra Putri; Yulianto, Andik; Deli, Deli
Telcomatics Vol. 9 No. 2 (2024)
Publisher : Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/telcomatics.v9i2.9517

Abstract

Currently, the development of technology encourages service provider sites in selling and renting to streaming movies, such as: IMDb, NetFlix, and Flixster to develop more accurate recommendation systems. This study uses fuzzy logic to provide movie recommendation information. Two similarity measurement methods are used to improve the accuracy of recommendations: first, by considering similar user choices, and second, by matching similar movie genres that have been rated by users. The fuzzy sets and membership functions used in this study are Critic Score, Audience Score, Audience Count, Year. The test results show that the application created can provide movie recommendations that match the dataset used.
Penerapan Algoritma Apriori untuk Analisis Asosiasi Film pada Dataset MovieLens Adam, Rizal Syihab Saputra; Saputra, M. Abdilah; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/f5r33m75

Abstract

Algoritma Apriori terbukti efektif dalam mengungkap pola asosiasi pada data transaksi. Penelitian ini menerapkan algoritma tersebut pada dataset MovieLens 32M untuk mengidentifikasi asosiasi antara film berdasarkan perilaku tontonan pengguna. Dataset difilter agar hanya mencakup film yang telah ditonton minimal oleh 500 pengguna dan pengguna yang menonton minimal 50 film, dengan sampel 5.000 pengguna aktif. Analisis dilakukan menggunakan Python di Google Colab dengan parameter minimum support 0,06 dan maksimal panjang itemset dua. Evaluasi menggunakan metrik lift mengungkap adanya asosiasi kuat antar film, terutama pada film yang tergabung dalam waralaba atau memiliki keterkaitan naratif. Hasil penelitian ini memberikan wawasan baru untuk pengembangan sistem rekomendasi film yang lebih cerdas dan personal, yang dapat meningkatkan pengalaman pengguna di platform streaming.
Penerapan Model Decision Tree untuk Klasifikasi Rating dan Rekomendasi Produk Pakaian pada Platform E-Commerce Ameliya, Putri; Laila, Anis Faizul; Saputra, M. Abdilah; Adam , Rizal Syihab Saputra
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/dcwvz815

Abstract

Pertumbuhan pesat industri fashion di platform e-commerce menuntut adanya sistem rekomendasi yang mampu menyesuaikan dengan preferensi pengguna. Rekomendasi berbasis rating sering kali tidak mempertimbangkan hubungan antara fitur produk dan preferensi subjektif konsumen. Penelitian ini mengembangkan sistem rekomendasi produk fashion berbasis klasifikasi rating menggunakan algoritma Decision Tree yang dikombinasikan dengan metode content-based filtering. Dataset yang digunakan terdiri dari berbagai fitur seperti nama produk, merek, kategori, warna, ukuran, dan harga. Proses klasifikasi dilakukan untuk memprediksi rating, dilanjutkan dengan penyaringan produk berdasarkan kemiripan konten menggunakan cosine similarity dan pencarian berbasis kata kunci melalui TF-IDF. Hasil penelitian menunjukkan bahwa sistem mampu memberikan rekomendasi yang lebih relevan dan sesuai dengan kebutuhan pengguna. Pendekatan ini penting untuk meningkatkan efisiensi pencarian produk, pengalaman pengguna, dan mendukung pengambilan keputusan yang lebih tepat dalam platform e-commerce.
Co-Authors Adam , Rizal Syihab Saputra Adam, Rizal Syihab Saputra Ameliya, Putri Anaztasya, Azra Putri Andik Yulianto Deli, Deli Erna Daniati Ikhlas, Junior Laila, Anis Faizul Leonardo, Kevin Marbun, Ricky Yohannes