Browsing by Author "Feri Sulianta (Pembimbing)"

Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    ANALISIS PREDIKSI HARGA SAHAM HAPAG-LLOYD AG MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)
    (Program Studi S1 Informatika, 2025) Susanto, Fransiscus Kristian; Feri Sulianta (Pembimbing)
    Saham merupakan instrumen investasi yang banyak diminati, khususnya di sektor logistik yang memiliki peranan penting dalam distribusi global. Penelitian ini bertujuan untuk memprediksi harga saham perusahaan Hapag-Lloyd AG dengan menggunakan metode Long Short-Term Memory (LSTM) serta menerapkan pendekatan metodologi CRISP-DM dalam proses analisis data. Data historis harga penutupan saham dengan frekuensi harian, mingguan, dan bulanan dimanfaatkan sebagai masukan model. Evaluasi performa menunjukkan bahwa model dengan data harian menghasilkan metrik evaluasi terbaik dengan R-squared sebesar 93,52% dan metrik nilai error rendah dengan RMSE sebesar 5,024 dan MAPE 2,51%. Penerapan CRISP-DM mampu membantu proses analisis dilakukan secara sistematis untuk menghasilkan model yang stabil dan efektif. Studi ini diharapkan dapat memberikan kontribusi dalam memahami penerapan LSTM dalam prediksi harga saham serta memberikan kontribusi bagi investor dalam perencanaan dan manajemen risiko investasi.
  • Thumbnail Image
    Item
    IMPLEMENTASI ALGORITMA COLLABORATIVE FILTERING SEBAGAI DASAR MEMBUAT REKOMENDASI LAGU DI TEMPAT KARAOKE
    (Program Studi S1 Informatika, 2023) Lafia, Fina Mutiara; Feri Sulianta (Pembimbing)
    Karaoke, hiburan populer global, menawarkan pengalaman sosial unik di mana individu atau kelompok berkumpul untuk bersenang-senang. Bagi pemilik tempat karaoke, menjaga kepuasan pelanggan dan kesuksesan bisnis melibatkan manajemen daftar lagu yang luas dan bervariasi. Namun, tugas rumit muncul dalam mengelola daftar lagu besar dan memastikan pengunjung menemukan lagu sesuai dengan selera mereka. Penelitian ini bertujuan untuk meningkatkan pengelolaan daftar lagu di tempat karaoke dengan menerapkan sistem rekomendasi berbasis algoritma collaborative filtering. Dalam konteks tempat karaoke, manajemen daftar lagu yang besar dan bervariasi dapat menjadi tugas yang rumit, mempengaruhi kepuasan pelanggan dan kesuksesan bisnis. Sistem rekomendasi yang menjadi solusi yang relevan dengan menggunakan algoritma kolaboratif filtering berbasis item, dengan metrik utama menggunakan cosine similarity. Penelitian melibatkan analisis terhadap metode algoritma kolaboratif yang memanfaatkan cosine similarity untuk memberikan rekomendasi lagu di tempat karaoke. Data lagu sejumlah 600 dari berbagai genre musik digunakan dalam penelitian ini, memungkinkan sistem memberikan rekomendasi yang beragam dan sesuai dengan preferensi pengguna. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mencapai tingkat akurasi yang signifikan, memudahkan pengguna dalam pencarian lagu berdasarkan item. Kesimpulan penelitian ini menegaskan bahwa implementasi algoritma collaborative filtering dengan metode cosine similarity dapat meningkatkan kualitas layanan di tempattempat karaoke, memberikan rekomendasi yang sesuai dengan kebutuhan pengguna, dan mendukung pertumbuhan bisnis mereka. Dengan menggunakan algoritma collaborative filtering ini memiliki akurasi secara tersusun dari yang paling tinggi 74% hingga terendah 14%.
  • Thumbnail Image
    Item
    PENERAPAN METODE PENCARIAN TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY DAN FORUM DISKUSI DALAM KNOWLEDGE MANAGEMENT SYSTEM PT. NEURONWORKS INDONESIA
    (Program Studi S1 Informatika, 2025) Kusumah, Arya Diputra; Feri Sulianta (Pembimbing)
    Manajemen pengetahuan (Knowledge Management) merupakan aset penting bagi perusahaan alam menjaga keberlangsungan informasi, terutama ketika pengetahuan masih melekat pada pegawai yang mungkin meninggalkan organisasi. Pada PT Neuronworks Indonesia, tantangan dalam proses transfer knowledge, keterbatasan waktu, serta tidak tersedianya media diskusi, mendorong perlunya solusi berbasis teknologi. Penelitian ini bertujuan untuk membangun Knowledge Management System (KMS) dengan mengintegrasikan metode pencarian Term Frequency-Inverse Document Frequency (TF-IDF) dan forum diskusi untuk mendukung proses transfer knowledge berbasis model SECI. Sistem dikembangkan menggunakan pendekatan Design Science Research(DSR) melalui tahapan identifikasi masalah, perancangan, pengembangan, demonstrasi, evaluasi, dan komunikasi. backend dikembangkan menggunakan Flask Python dengan penerapan algoritma TF-IDF dan Vector Space Model (VSM) untuk pencarian dokumen, sedangkan frontend menggunakan Next.js. Evaluasi dilakukan menggunakan Mean Average Precision (MAP) dengan hasil efektivitas mencapai 94,67%, dan pengujian performa menunjukkan kecepatan rata-rata pencarian dokumen sebesar 1.43 detik. Selain itu, tingkat kepuasan pengguna terhadap sistem juga dinilai positif berdasarkan hasil kuesioner Hasil penelitian menunjukkan bahwa integrasi TF-IDF mampu meningkatkan relevansi pencarian dokumen, mempercepat akses informasi, serta forum diskusi berhasil menjadi sarana pertukaran Tacit knowledge antar pegawai. Dengan demikian, sistem ini diharapkan mampu meningkatkan efisiensi, efektivitas, dan kolaborasi dalam pengelolaan pengetahuan di perusahaan.
  • Thumbnail Image
    Item
    PENGUNAAN ALGORITMA FP-GROWTH DALAM MENGIDENTIFIKASI ASOSIASI PRODUK YANG POTENSIAL UNTUK STRATEGI BUNDLING
    (Program Studi S1 Informatika, 2024) Vigi, Bima Alvianto; Feri Sulianta (Pembimbing)
    Dalam dunia bisnis, strategi pemasaran merupakan kunci untuk kesuksesan. Strategi bundling produk, menawarkan beberapa produk bersama dengan harga menarik, terbukti efektif meningkatkan penjualan. Namun, mengidentifikasi asosiasi produk potensial untuk bundling merupakan tugas yang sangat kompleks, terutama dengan banyak produk yang dimiliki perusahaan. Penggunaan algoritma FP-Growth, alat data mining kuat, membantu perusahaan menganalisis data penjualan dan mengidentifikasi hubungan antar produk. Ini memungkinkan perusahaan dengan lebih efisien menentukan asosiasi produk potensial untuk bundling yang sesuai. Penelitian ini fokus pada penerapan Algoritma FP-Growth dalam konteks strategi bundling produk untuk meningkatkan efektivitas pemasaran dalam era bisnis yang kompetitif. Tujuan penelitian ini adalah untuk mengidentifikasi x produk potensial yang dapat diterapkan dalam paket bundling untuk meningkatkan penjualan dan keuntungan perusahaan. Menggunakan dataset berisi 25.000 data dari Toko Griya Antapani, penelitian ini menggunaka algoritma FP-Growth dengan minimum support sebesar 0,00082 dan min confidence sekitar 0,4 untuk menganalisis pola pembelian dan membentuk aturan bundling produk. Metode penelitian melibatkan langkah-langkah seperti transformasi data transaksi, perbandingan nilai minimum support (min_sup) dengan support count, pembentukan FP-Tree, dan pembangkitan Conditional Pattern Base. Hasil identifikasi asosiasi produk potensial mencakup 1.031 aturan bundling, dengan evaluasi menunjukkan faktor-faktor yang mempengaruhi hasil bundling, seperti min_support dan min_confidence. Hasil dari penelitian dengan berhasil menggunakan algoritma FP-Growth dalam mengidentifikasi asosiasi produk yang relevan. Contoh 3 Strategi bundling yang dihasilkan dari 160 strategi bundling dengan confidence sebesar 100% yaitu (Glico Wings Haku Str N Crispy Choc Monaka100 (C24) dan Campina Concerto Midi Cookie Creamy 80ml (C22)), (Miranda Hair Col MC9 Brown Box dan Emeron Sh Soft Smooth 6x12ml_1C40P), dan (Kings Fisher Sarden Goreng Balado 155g_1C50P dan Tropical Pouch 2000 Ml_1C6P). Analisis ini juga mengungkap bahwa ukuran data, jumlah transaksi, min_support, dan min_confidence memengaruhi hasil bundling. Pemilihan nilai yang tepat untuk parameter tersebut sangat penting untuk mendapatkan hasil bundling yang relevan.