Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem rekomendasi (recommendation system) terus dikembangkan khususnya pada aplikasi teknik analisis data dalam membantu pengguna on-line (user) menemukan produk (item) yang ingin mereka beli. Satu dari beberapa metode dalam sistem rekomendasi adalah collaborative filtering (CF) dengan pendekatan latent variable models berdasarkan faktorisasi matriks. Hubungan antara pengguna (users) dan produk (item) dalam collaborative filtering dapat disajikan dalam bentuk matriks rating R. Penelitian ini membahas metode collaborative filtering berbasis model faktorisasi matriks pada sistem rekomendasi.Dalam faktorisasi matriks, permasalahan utamanya adalah mencari dua buah matriks Wm x k dan matriks Hk x m sehingga WH ≈ R dengan Rm x n. Akurasi dari model tercermin dari besarnya norm ║R-WH║ pada data testing. Terdapat beberapa teknik faktorisasi yang telah digunakan dalam CF. Dalam penelitian ini metode yang digunakan adalah faktorisasi matriks dengan metode gradient descent.Berdasarkan eksperimen, parameter model yang optimal yang memenuhi fungsi optimasi diperoleh pada nilai k = 3 dengan learning rate 8 x 10-5. Akurasi model dihitung menggunakan root mean square error (RMSE) dan nilai RMSE model pada eksperimen ini adalah 0,9335.

---

Recommendation systems continue to be developed especially in the application of data analysis techniques in helping users on-line find a product (item) that they want to buy. One of several methods in collaborative filtering recommendation system is (CF) approach to latent variable models based on matrix factorization. The relationship between the user and product (item) in the collaborative filtering (CF) can be presented in the form of rating matrix R. This study discusses the collaborative filtering method based on matrix factorization model of recommendation systems.

In the matrix factorization, the main problem is to find two matrices Wmxk and Hk x m so that WH ≈ R with Rmxn. The accuracy of the model is reflected in the norm ║R-WH║ in the testing data. There are several techniques that have been used in the factorization method of collaborative filtering (CF). In this study the method used is matrix factorization with gradient descent methods.

Based on the experiments, the optimal model parameters that meet the optimization function values ​​obtained at k = 3 with a learning rate of 8 x 10-5. The accuracy of the model is calculated using the root mean square error (RMSE) and RMSE values ​​in experimental models is 0.9335."

"Kepemimpinan stratejik berperan penting dalam mencapai keberhasilan organisasi untuk bertahan dan berkembang dalam lingkungan bisnis yang penuh tantangan. Penelitian ini bertujuan untuk menguji peran kepemimpinan stratejik dalam merespon peristiwa langka di industri kesehatan, yaitu kombinasi antara regulasi pemerintah yang cenderung terus berubah dan munculnya COVID-19. Sebanyak 358 responden dari 141 rumah sakit tipe C dan D di Indonesia berpartisipasi dalam penelitian ini. Penelitian ini menggunakan enam variabel laten dan dua puluh tujuh dimensi yang diolah dengan menggunakan Structural Equation Modeling. Hasil penelitian menunjukkan bahwa kepemimpinan resiliensi stratejik berperan sebagai mediator antara persepsi terhadap peraturan pemerintah, sumber daya organisasi, dan kapabilitas organisasi yang diwujudkan melalui kapabilitas jejaring dan rekonfigurasi sumber daya. Penelitian ini menunjukkan bahwa kapabilitas jejaring tidak berpengaruh signifikan terhadap keberlanjutan operasional rumah sakit, sedangkan rekonfigurasi sumber daya berpengaruh signifikan terhadap keberlanjutan operasional rumah sakit. Penelitian ini memberikan kontribusi penting yang memungkinkan manajemen rumah sakit untuk mengembangkan rencana aksi dalam menanggapi peraturan pemerintah bidang kesehatan ditambah dengan muncul dan meluasnya pandemi COVID-19; serta hasil investigasi terhadap sumber daya organisasi, dan untuk mengimplementasikan kapabilitas resiliensi stratejik secara lebih efektif.

---

Strategic leadership plays an important role in achieving organizational success in surviving and growing in a challenging business environment. This research aims to examine the role of strategic leadership in responding to a rare moment in the health industry, which is the combination of government regulations that tend to continue to change and the emergence of COVID-19. A total of 358 respondents from 141 type C and D hospitals in Indonesia participated in this research. This study employed six latent variables and twenty-seven dimensions, processed using structural equation modelling. Results of the research show that strategic resilience leadership serves as a mediator between perceptions of government regulations, organizational resources, and organizational capability realized through network capabilities and resource reconfiguration. This research also reveals that network capabilities have no significant effect on hospitals’ sustainability, while resource reconfiguration has a significant effect on hospital survival. This study makes an important contribution that enables hospital management to develop action plans in response to national healthcare regulations coupled with the emergence and extension of the COVID-19 pandemic; as well as the results of the investigation into organizational resources, and to implement strategic resilience capability more effectively."