KOMPARASI METODE INPUTATION MISSING VALUE DALAM MENGATASI MASALAH SPARSITY PADA COLLABORATIVE FILTERING

Arianto, Febri (2024) KOMPARASI METODE INPUTATION MISSING VALUE DALAM MENGATASI MASALAH SPARSITY PADA COLLABORATIVE FILTERING. Masters thesis, Fakultas Ilmu Komputer , Magister teknik Informatika.

	Text Cover.pdf Download (138kB)
	Text Abstrak & Daftar Isi.pdf Download (240kB)
	Text Halaman Pengesahan.pdf Download (2MB)
	Text Bab I.pdf Download (129kB)
	Text Bab II.pdf Download (160kB)
	Text Bab III.pdf Download (281kB)
	Text Bab IV.pdf Download (475kB)
	Text Bab V.pdf Download (117kB)
	Text Daftar Pustaka.pdf Download (175kB)

Abstract

Collaborative Filtering merupakan metode yang banyak digunakan dalam sistem rekomendasi, namun menghadapi masalah krusial yaitu sparsity. Sparsity merupakan kondisi dimana banyak data yang kosong, sehingga akan mempengaruhi kualitas rekomendasi. Untuk mengatasi masalah tersebut penelitian ini mengusulkan metode imputation diantaranya Mean, Min, Max, dan KNNI. Penelitian ini bertujuan untuk membandingkan metode imputasi nilai yang berbeda dalam mengatasi masalah sparsity pada teknik Collaborative Filtering (CF). Sparsity dalam data peringkat pengguna dapat menghambat kinerja sistem rekomendasi, karena kurangnya informasi yang tersedia untuk membuat prediksi yang akurat. Oleh karena itu, metode imputasi nilai digunakan untuk mengisi nilai yang hilang dan meningkatkan keakuratan prediksi. Penelitian ini menggunakan dataset percobaan yang mencakup peringkat pengguna terhadap item, dan eksperimen dilakukan dengan menggunakan metrik evaluasi yang mencakup Root Mean Square Error (RMSE). Hasil eksperimen menunjukkan bahwa masing-masing metode imputasi memiliki kelebihan dan kelemahan tersendiri dalam mengatasi masalah kejarangan pada Collaborative Filtering. Temuan ini dapat memberikan wawasan yang berharga bagi pengembang sistem rekomendasi dalam memilih metode imputasi yang paling sesuai dengan kondisi data mereka. Selain itu, penelitian ini memberikan kontribusi terhadap pemahaman lebih lanjut tentang cara meningkatkan kinerja Collaborative Filtering dalam menghadapi masalah sparsity. Kata kunci : Recommendation System, Collaborative Filtering, Sparsity, Imputation Missing Value, Cosin Similariy

Item Type:	Thesis (Masters)
Subjects:	eTheses
Divisions:	Bahan Ajar > Buku
Depositing User:	Febri Arianto
Date Deposited:	04 Nov 2024 04:34
Last Modified:	04 Nov 2024 04:34
URI:	http://repo.darmajaya.ac.id/id/eprint/18778

Actions (login required)

View Item