Wicaksono, Tatang Rudi (2021) ALGORITMA MATRIX FACTORIZATION UNTUK REKOMENDASI HOTEL BERDASARKAN RATING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (291kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (640kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (244kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (946kB) |
|
Text (BAB V)
BAB V.pdf Download (68kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (150kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code-17.11.1774-Tatang Rudi Wicaksono - Tatang Rudi Wicaksono.rar Restricted to Repository staff only Download (9MB) |
|
Text (PUBLIKASI)
Publikasi-17.11.1774-Tatang Rudi Wicaksono - Tatang Rudi Wicaksono.pdf Restricted to Repository staff only Download (488kB) |
Abstract
Hotel merupakan salah satu sarana penginapan yang sering dijadikan pilihan menginap bagi orang – orang baik itu wisatawan maupun turis. Hotel sangat digemari karena memiliki beragam pilihan kamar serta harga dan juga memiliki fasilitas yang memadai sesuai dengan kebutuhan. Akan tetapi, dengan begitu banyaknya hotel yang tersedia tentunya akan sulit untuk menentukan di hotel mana akan menginap. Oleh sebab itu, dibuatlah penelitian ini untuk memudahkan wisatawan ataupun turis dalam menentukan hotel untuk menginap dengan menerapkan sebuah sistem rekomendasi. Sistem rekomendasi berbasis item collaborative filtering merupakan sistem rekomendasi yang dibangun berdasarkan similarity antar item. Salah satu metode dari collaborative filtering yaitu matrix factorization. Metode matrix factorization yang digunakan untuk mengolah data history rating hotel menggunakan algoritma Non-negative Matrix Factorization dan Singular Value Decomposition. Hasil akhir proses rekomendasi dalam penelitian ini berupa prediksi rating. Untuk menentukan besarnya kesalahan dihitung menggunakan root mean square error (RMSE). Pengujian RMSE terhadap faktor k 1 sampai 100 menunjukkan faktor k=44 memiliki rata – rata nilai error paling kecil diantara k yang lain. Sehingga faktor k=44 yang digunakan dalam NMF dan SVD. Dalam pengujian selanjutnya dengan menghitung tingkat akurasi yang dihitung menggunakan RMSE antara NMF dan SVD, menunjukkan bahwa algoritma NMF memiliki nilai RMSE sebesar 0,4320 sedangkan untuk SVD sebesar 0,8262. Sehingga dapat disimpulkan bahwa NMF memiliki akurasi lebih baik daripada SVD.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Collaborative Filtering, Item Based Collaborative Filtering, Sistem Rekomendasi, Matrix Factorization, Non-negative Matrix Factorization, Singular Value Decomposition, RMSE. | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 01 Jul 2022 08:01 | ||
| Last Modified: | 07 Aug 2023 03:53 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/3431 |
Actions (login required)
 |
View Item |