PERBANDINGAN ALGORITMA MODEL-BASED COLLABORATIVE FILTERING DALAM MENGATASI DATA SPARSITY

Aditama, Fariz (2021) PERBANDINGAN ALGORITMA MODEL-BASED COLLABORATIVE FILTERING DALAM MENGATASI DATA SPARSITY. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (625kB)
	Text (BAB I) BAB I.pdf Download (187kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (677kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (172kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (381kB)
	Text (BAB V) BAB V.pdf Download (61kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (121kB)
	Archive (SOURCE CODE) Source Code-17.11.0948-Fariz Aditama - Fariz Aditama.rar Restricted to Repository staff only Download (83kB)
	Text (PUBLIKASI) Publikasi-17.11.0948-Fariz Aditama - Fariz Aditama.pdf Restricted to Repository staff only Download (460kB)

Abstract

Sistem rekomendasi saat ini sudah banyak digunakan pada aplikasi online seperti pada e-commerce, aplikasi pemesanan makanan online, sosial media, dan masih banyak lagi. Semakin berkembangnya internet sistem rekomendasi menjadi fasilitas yang cukup berpengaruh dalam kepuasan pelanggan. Salah satu teknik yang terpopuler saat ini adalah Collaborative Filtering (CB) yang tidak memerlukan informasi tambahan tentang item dan penggunanya. Salah satu masalah terbesar CB adalah mengatasi data yang memiliki nilai jarang atau sparsity yang tinggi. Model-Based adalah salah satu dari kategori CB yang memiliki kelebihan dalam mengatasi data sparsity. Oleh sebab itu, pada penelitian ini akan menguji dan membandingkan tiga algoritma yang termasuk dalam model-based dalam mengatasi data sparsity. Pada penelitian ini terdapat tiga algoritma yang akan diuji yaitu Singular Value Decomposition (SVD), Non-Negative Matrix Factorization, dan Alternating Least Square yang akan diterapkan pada data movielens dan bookcrossing. Setelah melewati pengujian, kemudian setiap algoritma akan diuji kembali dengan hyperparameter agar mendapatkan hasil terbaik. Penelitian ini bertujuan untuk mengetahu algoritma yang memiliki nilai akurasi tertinggi. Pengujian dilakukan dengan membagi data menjadi 5 yaitu 80% data training dan 20% data test. Hasil yang diperoleh dengan menggunakan hyperparamter, SVD secara keseluruhan memiliki hasil terbaik dari 3 dataset yang diuji, kemudian ALS dan NMF memiliki hasil yang cukup berimbang.

Actions (login required)

View Item