Fajarudin, Rohmad (2022) SISTEM REKOMENDASI CONTENT-BASED FILTERING MENGGUNAKAN TERM FREQUENCY – INVERSE DOCUMENT FREQUENCY VECTOR SIMILARTY UNTUK REKOMENDASI ARTIKEL BERITA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (545kB) |
|
Text (BAB I)
BAB I.pdf Download (234kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (378kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (448kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (433kB) |
|
Text (BAB V)
BAB V.pdf Download (43kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (210kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code 18.11.2035 Rohmad Fajarudin.zip Restricted to Repository staff only Download (14kB) |
|
Text (PUBLIKASI)
Publikasi 18.11.2035 Rohmad Fajarudin.pdf Restricted to Repository staff only Download (804kB) |
Abstract
Ledakan pertumbuhan dari berbagai jenis informasi yang tersedia di internet menimbukan dampak berupa harus memilah mana yang relevan dari luasnya lautan informasi. Situs web berita adalah salah satu yang terdampak dari ledakan informasi ini. Untuk membantu menemukan informasi yang relevan, dikembangkanlah sistem rekomendasi. Sistem rekomendasi akan membantu mengestimasi nilai prediksi atau relevansi dari sebuah artikel dan kemudian membuat ranking atas artikel-artikel tersebut yang sesuai dengan minat pengguna. Penelitian ini menawarkan solusi sistem rekomendasi Content-based Filtering dalam bentuk package atau pustaka pada bahasa pemrograman Python yang dapat dipergunakan untuk mempercepat pembuatan prototipe sistem. Dengan menggunakan data dari portal berita Kabar Informatika Universitas Amikom Yogyakarta sebagai data uji, package sistem rekomendasi Content-based Filtering pada penelitian ini mampu memberikan skor Recall@5 sekitar 69% dan Recall@10 sekitar 82%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Artikel Berita, Content-based Filtering, Cosine Similarity, Sistem Rekomendasi, TF-IDF | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 19 Aug 2022 02:13 | ||
| Last Modified: | 04 Aug 2023 06:57 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/5878 |
Actions (login required)
 |
View Item |