Fusion of Internal Similarity to Improve the Accuracy of Recommendation Algorithm

Collaborative filtering algorithms (CF) and mass diffusion (MD) algorithms have been successfully applied to recommender systems for years and can solve the problem of information overload. However, both algorithms suffer from data sparsity, and both tend to recommend popular products, which have poor diversity and are not suitable for real life. In this paper, we propose a user internal similarity-based recommendation algorithm (UISRC). UISRC first calculates the item-item similarity matrix and calculates the average similarity between items purchased by each user as the user’s internal similarity. The internal similarity of users is combined to modify the recommendation score to make score predictions and suggestions. Simulation experiments on RYM and Last.FM datasets, the results show that UISRC can obtain better recommendation accuracy and a variety of recommendations than traditional CF and MD algorithms.

Profil Kesalahan Mahasiswa PGSD dalam Menyelesaikan Soal Cerita pada Mata Kuliah Pembelajaran Matematika SD

Penelitian ini merupakan penelitian Deskriptif yang bertujuan untuk (1) mengidentifikasinjenis-jeniskesalahan yang dilakukan oleh mahasiswa PGSD dalamnmenyelesaikan soal cerita pada Mata Kuliah Pembelajaran Matematika SD; (2). Mengidentifikasi jenis kesalahan yang paling.banyak dilakukan oleh mahasiswa PGSD dalam menyelesaikan soal cerita pada Mata Kuliah Pembelajaran Matematikan SD. Subjek penelitian ini adalah mahasiswa Semeter V PGSD Tahun akademik 2020/2021 sebanyak 37 mahasiswa. Pengambilan data dilakukan dengan menggunakan instrument yaitu tes diagnostik. Hasil analisis statistik deskriptif adalah deskripsi mengenai jumlah kesalahan yang banyak dilakukan mahasiswa adalah 2 dengan persentase 37,8%, banyaknya mahasiswa yang melakukan kesalahan dengan jumlah tersebut adalah 14 mahasiswa dan persentase kesalahan penyelesaian soal cerita untuk jenis kesalahan pada tiap item. Item 1, kesalahan teknis 13,51%; item. 2, kesalahan algoritma 16,21%; item 3, kesalahan konsep dan algoritma 29,72%; item 4, kesalahan algoritma 21,62 %; item 5, Kesalahan konsep 37,83%.

Comparative Analysis of Collaborative Filtering-Based Predictors of Scores in Surveys of a Large Company

Collaborative Filtering (CF) can be understood as the process of predicting the preferences of users and deriving useful patterns by studying their activities. In the survey context, it can be used to predict answers to questions as combinations of other available answers. In this paper, we aim to test five CF-based algorithms (item-item, iterative matrix factorization, neural collaborative filtering, logistic matrix factorization, and an ensemble of them) to estimate scores in four survey applications (checkpoints) composed of 700,000 employee's ratings. These data have been collected from 2019 to 2020 by a large Brazilian tech company with more than 10,000 employees. The results show that collaborative filtering approaches provide relevant alternatives to score questions of surveys. They provided good quality estimates. This result can be further explored to eventually reduce the size of questionnaires, avoiding burden phenomena faced by respondents when dealing with large surveys.

Measuring Those Who Have Their Minds Set: An Item-Level Meta-Analysis of the Implicit Theories of Intelligence Scale in Education

Fixed and growth mindsets represent implicit theories about the nature of one’s abilities or traits. The existing body of research on academic achievement and the effectiveness of mindset interventions for student learning largely relies on the premise that fixed and growth mindsets are mutually exclusive. This premise has led to the common practice in which measures of one mindset are reversed and then assumed to represent the other mindset. Focusing on K-12 and university students (N = 27328), we tested the validity of this practice via a comprehensive item-level meta-analysis of the Implicit Theories of Intelligence Scale (ITIS). By means of meta-analytic structural equation modeling and network analysis, we examined (a) the ITIS item-item correlations and their heterogeneity across 32 primary studies; (b) the factor structure of the ITIS, including the distinction between fixed and growth mindset; and (c) moderator effects of sample, study, and measurement characteristics. We found positive item-item correlations within the sets of fixed and mindset items, with substantial between-study heterogeneity. The ITIS factor structure comprised two moderately correlated mindset factors (ρ = .63–.65), even after reversing one mindset scale. This structure was moderated by the educational level and origin of the student sample, the assessment mode, and scale modifications. Overall, we argue that fixed and growth mindsets are not mutually exclusive but correlated constructs. We discuss the implications for the assessment of implicit theories of intelligence in education.

IMPLEMENTASI ALGORITMA APRIORI UNTUK ANALISA DATA PENJUALAN (STUDI KASUS: TOKO UD. SURYANI)

Data transaksi yang dimiliki sebuah toko atau swalayan setiap harinya pasti bertambah, namun sering kali ditemukan fakta bahwadata transaksi tersebut disimpan begitu saja dan tidak dimanfaatkan. Hal inilah terjadi di toko UD. Suryani. Data transaksi yang ada selama initidak digunakan dengan baik, padahal kumpulan data transaksi tersebut, memiliki potensi informasi-informasi yang bisa diolah untukmenghasilkan pengetahuan baru yang bermanfaat. Pengolahan data transaksi ini bisa dilakukan dengan teknik data mining. Salah satu teknikpada data mining yang dapat digunakan adalah dengan metode aturan asosiatif (association rule). Salah satu algoritma pengambilan datadengan aturan asosiatif adalah algoritma Apriori. Algoritma ini berfungsi untuk menentukan hubungan asosiatif suatu kombinasi item dan cocok diterapkan bila terdapat beberapa hubungan item yang ingin dianalisis. Tujuan penelitian ini adalah menerapkan data mining pada data transaksi satu tahun terakhir yang ada di toko UD. Suryani. Proses pengolahan data mining dilakukan dengan aplikasi rapidminer dan daripercobaan sembilan kali pengujian dengan kombinasi nilai minimum support dan minimum confidence yang berbeda terhadap 13.490 datatransaksi, diperoleh hasil yaitu item yang paling banyak dibeli oleh konsumen adalah item Masako Sapi Renteng 10g dengan nilai support14,5% dan untuk item-item yang sering dibeli secara bersamaan adalah jika membeli Telur dan Blue Band 200g maka akan membeli Kompas Kemasan 1kg, dengan nilai confidence tertinggi yaitu 66,5%.

Analisa Algoritma Apriori dengan Association Rule Untuk Rekomendasi Promosi Produk Elektronik Di Toko UD Surya Kisaran

Data Mining is a term used to describe the processes in each itemset to be able to find the results of each item. Analysis is used to determine the promotion of electronic products, namely the a priori algorithm association rules, therefore UD Surya Elektronik Shop for increasing sales results must have other strategies to be able to improve the sales system. One way is to determine the goods to be promoted to consumers. The collection of sales data that is owned can actually be processed using data mining to see customer buying patterns, with data mining for large data it will not be wasted and can be useful so that it can provide benefits to the company. In this study, the data processing uses the Apriori Algorithm, which is a data mining method that aims to find association patterns based on purchasing patterns made by consumers, so that it can be seen which items are often purchased simultaneously. Kata Kunci : Data Mining, Apriori Algorithms, Product Promotion Abstrak: Data Mining adalah suatu istilah yang digunakan untuk menguraikan proses-proses di setiap itemset untuk dapat menemukan hasil setiap item-item nya, Analisa yang digunakan untuk menentukan promosi produk-produk elektronik yaitu dengan aturan asosiasi algoritma apriori, oleh karena itu Toko UD Surya Elektronik untuk meningkatkan hasil penjualan maka harus memiliki strategi lain untuk dapat meningkatkan sistem penjualannya. Salah satunya adalah dengan menentukan barang yang akan dipromosikan kepada konsumen. Kumpulan data penjualan yang dimiliki sebenarnya dapat diolah menggunakan data mining untuk melihat pola pembelian pelanggan, dengan data mining untuk data yang besar tidak akan terbuang begitu saja dan dapat bermanfaat sehingga dapat memberikan keuntungan kepada perusahaan. Pada penelitian ini, proses pengolahan data menggunakan Algoritma Apriori yang merupakan salah satu metode data mining yang bertujuan untuk mencari pola assosiasi berdasarkan pola pembelian yang dilakukan oleh konsumen, sehingga bisa diketahui item-item barang apa saja yang sering dibeli secara bersamaan. Kata Kunci : Data Mining, Algoritma Apriori, Promosi Produk.

Assessment of Item and Test parameters: Cosine Similarity Approach

The paper proposes new measures of difficulty and discriminating values of binary items and test consisting of such items and find their relationships including estimation of test error variance and thereby the test reliability, as per definition using cosine similarities. The measures use entire data. Difficulty value of test and item is defined as function of cosine of the angle between the observed score vector and the maximum possible score vector. Discriminating value of test and an item are taken as coefficient of variation (CV) of test score and item score respectively. Each ranges between 0 and 1 like difficulty value of test and an item. With increase in number of correct answer to an item, item difficulty curve increases and item discriminating curve decreases. The point of intersection of the two curves can be used for item deletion along with other criteria. Cronbach alpha was expressed and computed in terms of discriminating value of test and item. Relationship derived between test discriminating value and test reliability as per theoretical definition. Empirical verifications of proposed measures were undertaken. Future studies suggested.re to enter text.

PENERAPAN VALUE ENGINEERING PADA PROYEK PEMBANGUNAN RSUD SANJIWANI GIANYAR DI MASA PANDEMI COVID-19

Dalam pembangunan proyek konstruksi, biaya merupakan salah satu faktor penting yang menentukan keberlangsungan proyek. Pada studi kasus proyek pembangunan RSUD Sanjiwani Gianyar terdapat permasalahan bahwa terjadinya perubahan desain awal pada ruang isolasi terkait protokol COVID-19 yang menyebabkan kurangnya anggaran biaya rencana awal, sehingga perlu dilakukan penghematan biaya. Salah satu metode yang dapat digunakan untuk melakukan penghematan biaya yaitu metode Value Engineering (VE). VE adalah suatu metode pendekatan yang kreatif dan terencana dengan tujuan untuk mengefisienkan biaya-biaya yang tidak diperlukan. Tujuan dari penelitian ini adalah untuk menganalisis item-item pekerjaan yang berpotensi dihemat, menganalisis alternatif terbaik pengganti desain awal, dan menghitung besar penghematan biaya setelah dilakukan penerapan VE tersebut. Pada penelitian ini digunakan metode penelitian deskriptif kuantitatif. Analisis VE dilakukan dalam enam tahapan yaitu: tahap informasi, tahap analisis fungsi, tahap kreatif, tahap evaluasi, tahap pengembangan, dan tahap presentasi. Hasil analisis VE menunjukkan bahwa penghematan dapat dilakukan pada pekerjaan struktur beton dengan mengganti balok dan pelat konvensional menjadi balok precast dan pelat metal deck yang menghasilkan penghematan sebesar Rp1.046.477.531,18 atau 4,47%, pada pekerjaan penutup lantai digunakan alternatif lantai keramik sebagai pengganti lantai granite tile didapat penghematan sebesar Rp1.058.532.387,51 atau 34,64%, dan pada pekerjaan kusen, pintu, jendela digunakan alternatif daun pintu aluminium sebagai pengganti daun pintu plywood lapis HPL yang menghasilkan penghematan sebesar Rp117.598.489,53 atau 4,41%. Total penghematan biaya setelah dilakukan analisis VE adalah sebesar Rp2.043.035.163,40 atau 1,50% dari anggaran biaya awal.

Analysis On The Level Of Knowledge Among Perak Civil Servants On The Items Of Payable Income Zakah Calculation/ Analisis Tahap Pengetahuan Penjawat Awam di Perak Terhadap Item Item dalam Pengiraan Jumlah Pendapatan Berzakat

This study aims to determine the level of knowledge on the items of payable income zakah calculation among civil servants in Perak. Quatitative method using the instrument of questionnaire is employed to obtain data in attaing the research objective. Four items of income are studied which are the salary, fixed monthly allowance, overdue salary and bonus by involving 108 respondents. The collected data is then analyzed using the analysis of frequency, percentage and mean. Findings of the study uncover that the level of knowledge among respondents pertaining to the general and specific basic concept of zakah is considerably high. For the item analysis, it is found that the items of overdue salary and bonus are the items which are less known to be included in the calculation of payable income zakah. Therefore, the authority which is the State Islamic Religious Council (MAIN) and zakah centres must diversify the techniques to increase awareness in regard to this gap.