ANALISIS PERBANDINGAN COSINE DAN PEARSON UNTUK MENGOPTIMALKAN TEKNIK COLLABORATIVE FILTERING PADA SISTEM REKOMENDASI DI DOMAIN BUKU

Azzindani, Adnan Aziz Dhia (2021) ANALISIS PERBANDINGAN COSINE DAN PEARSON UNTUK MENGOPTIMALKAN TEKNIK COLLABORATIVE FILTERING PADA SISTEM REKOMENDASI DI DOMAIN BUKU. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (593kB)
	Text (BAB I) BAB I.pdf Download (297kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (768kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (911kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (820kB)
	Text (BAB V) BAB V.pdf Download (75kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (96kB)
	Archive (SOURCE CODE) Source Code-17.11.1016-Adnan Aziz Dhia Azzindani - Adnan Aziz Dhia Azzindani.zip Restricted to Repository staff only Download (68MB)
	Text (PUBLIKASI) Publikasi-17.11.1016-Adnan Aziz Dhia Azzindani - Adnan Aziz Dhia Azzindani.pdf Restricted to Repository staff only Download (576kB)

Abstract

Sistem rekomendasi menjadi populer di banyak hal yang dijual di internet seperti buku,film,artikel penelitian,media promosi seperti iklan atau ads dan banyak lagi, salah satu yang paling populer adalah sistem rekomendasi pilihan film pada layanan Netflix. Netflix membuat rekomendasi berdasarkan film yang telah dilihat pelanggan sebelumnya. Pada tahun 2006 Netflix mengadakan kompetisi kepada orang pertama yang dapat meningkatkan sistem rekomendasi sebesar 10% dengan total hadiah 1 juta dollar. Dapat kita sadari bahwa peningkatan kinerja sistem rekomendasi memiliki kompleksitas dan merupakan hal yang berharga. Pada penelitian ini terdapat dua algoritma dalam mencari tingkat kesamaan antar item yaitu Cosine similarity dan Pearson Similarity yang akan diterapkan pada data Good Books dan Book Crossing yang di implementasi menggunakan Google Colab dengan menggunakan library Surprise. Setelah melewati pengujian, kemudian setiap algoritma akan diuji Kembali dengan tuning hyperparameter agar dapat mendapatkan hasil nilai k terbaik. Penelitian ini bertujuan untuk mengetahui algoritma kesamaan yang memiliki hasil evaluasi terbaik dengan pengujian evaluasi menggunakan metode root mean square error (RMSE). Dari hasil pengujian didapatkan hasil evaluasi terbaik adalah pearson daripada cosine pada dataset Good Books didapatkan nilai RMSE sebesar 0.919560 dan pada dataset BookCrossing sebesar 1.805998. Pada pengujian tuning hyperparameter cukup memberikan perubahan signifikan mendekati 0.1. pada dataset Good Books menjadi 0.894753 dan pada dataset Book Crossing menjadi 1.720001.

Actions (login required)

View Item