PERBANDINGAN PERFORMA METODE MSD DAN PEARSON PADA SISTEM REKOMENDASI ITEM-BASED COLLABORATIVE FILTERING

Alfian, Muhammad Nur (2024) PERBANDINGAN PERFORMA METODE MSD DAN PEARSON PADA SISTEM REKOMENDASI ITEM-BASED COLLABORATIVE FILTERING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (2MB)
	Text (BAB I) BAB I.pdf Download (165kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (581kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (224kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (564kB)
	Text (BAB V) BAB V.pdf Download (84kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (124kB)
	Archive (SOURCE CODE) Sourcecode - 17.11.1220.zip Restricted to Repository staff only Download (6MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (790kB)

Abstract

Sistem rekomendasi banyak digunakan diberbagai industri penjualan di internet seperti film, buku, game, software, hingga barang kebutuhan rumah tangga. Hal tersebut berawal dari banyaknya data-data yang dihasilkan lewat internet, yang tidak memiliki nilai apabila tidak dimanfaatkan. Sistem rekomendasi hadir untuk menjadi jembatan permasalahan tersebut dengan cara menggunakan suatu metode perhitungan. Sistem rekomendasi memiliki beberapa metode pengukuran jarak yang pemilihan penggunaannya berpengaruh pada akurasi maupun kecepatan dari hasil sistem rekomendasi yang akan dibuat. Penelitian ini membandingkan performa terbaik dari segi akurasi dan kecepatan menggunakan metode pengukuran kesamaan antar item atau similarity antara Mean Squared Difference dan Pearson Correlation yang diterapkan pada dataset rating software. Setelah mendapatkan nilai similiraty, kemudian mencari k atau tetangga terbaik dari yang sudah ditetapkan menggunakan algortima KNN atau K-Nearest Neighbor. Pengukuran akurasi k terbaik terdapat pada tahap evaluasi yang dihitung menggunakan metode RMSE atau Root Mean Square Error. Berdasarkan pengujian yang telah dilakukan, diketahui bahwa metode similarity terbaik adalah metode Mean Squared Difference dengan nilai akurasi RMSE sejumlah 1.65350053 dan memiliki waktu uji maupun waktu latih lebih cepat dibandingkan metode Pearson. Penentuan jumlah k pada tahap evaluasi saat perhitungan KNN, juga berpengaruh terhadap akurasi sistem rekomendasi meskipun tidak begitu signifikan.

Actions (login required)

View Item