PENANGANAN MASALAH COLD START DAN SPARSITY PADA COLLABORATIVE FILTERING MENGGUNAKAN CLUSTERING, IMPUTATION, DAN KNN

Lestari, Sri and Ma'ruf, Singgih Yulizar (2024) PENANGANAN MASALAH COLD START DAN SPARSITY PADA COLLABORATIVE FILTERING MENGGUNAKAN CLUSTERING, IMPUTATION, DAN KNN. Masters thesis, IIB Darmajaya.

	Text 1 - Halaman Pernyataan.pdf Download (132kB)
	Text 2 - Halaman Persetujuan.pdf Download (288kB)
	Text 3 - Halaman Pengesahan.pdf Download (320kB)
	Text 4 - Abstrak.pdf Download (7kB)
	Text 5 - Daftar Isi.pdf Download (370kB)
	Text 6 - BAB I.pdf Download (232kB)
	Text 7 - BAB II.pdf Download (148kB)
	Text 8 - BAB III.pdf Download (723kB)
	Text 9 - BAB IV.pdf Download (738kB)
	Text 10 - BAB V.pdf Download (176kB)
	Text 11 - Daftar Pustaka.pdf Download (134kB)

Abstract

Perkembangan teknologi memberikan kemudahan bagi pengguna dan mempengaruhi gaya hidup masyarakat dalam melakukan aktivitas online, seperti berbelanja dari konvensional ke online melalui media sosial, e-commerce, dan marketplace. Banyak media menerapkan sistem rekomendasi untuk meningkatkan layanan. Namun, sistem rekomendasi masih mengalami beberapa kendala, antara lain sparsity dan cold start. Tujuan dari penelitian ini adalah untuk mengatasi masalah tersebut menggunakan algoritma K-Means dan Imputation. Terdapat dua pendekatan imputation yang diterapkan pada penelitian ini. Pendekatan pertama adalah melakukan imputation ketika data cluster masih bercampur antara cluster satu dan cluster lainnya. Sementara itu, pendekatan kedua dilakukan imputation nilai pada masing-masing cluster secara terpisah. Hasil klasifikasi menggunakan algoritma KNN menunjukkan bahwa imputation yang dilakukan pada masing-masing cluster secara terpisah mendapatkan akurasi yang lebih tinggi dan sempurna dibandingkan imputation yang dilakukan saat semua cluster masih menjadi satu. Hal ini dikarenakan imputation pada masing-masing cluster akan memberikan rekomendasi imputation yang lebih spesifik sesuai dengan preferensi anggota cluster. Kata kunci : Sistem Rekomendasi, Cold Start, Sparsity, K-Means, Imputation

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Singgih Yulizar Ma'ruf
Date Deposited:	04 Jul 2024 07:57
Last Modified:	04 Jul 2024 07:57
URI:	http://repo.darmajaya.ac.id/id/eprint/16664

Actions (login required)

View Item