Pratama, AndhiYudha (2015) Sistem Rekomendasi Jenis Sepeda Motor Dengan Menggunakan Algoritma Item-Based Clustering Hybrid. Sarjana thesis, Universitas Brawijaya.
Abstract
Sistem rekomendasi ini bertujuan untuk memberikan rekomendasi sepeda motor kepada user yang berdasarkan rating-rating yang sudah diberikan oleh user. Untuk tahun 2015, produsen sepeda motor setidaknya memiliki 16 jenis sepeda motor yang dipasarkan di Indonesia dan jumlah itu akan terus bertambah, karena ide dan teknologi akan terus berkembang seiring berkembangnya waktu. Dengan jumlah sepeda motor yang banyak, akan menyulitkan user dalam memilih sepeda motor seperti apa yang tepat untuk dimiliki. Item-based clustering hybrid (ICHM) adalah sebuah metode yang dapat digunakan untuk mencari nilai prediksi atau rekomendasi suatu item untuk konsumen. Metode ini merupakan gabungan dari metode collaborative filtering dan content based filtering. Sistem ini akan memberikan rekomendasi dengan menggunakan rating yang sudah diberikan oleh user terhadap sepeda motor dengan rentang 0 sampai 5. Pengujian yang dilakukan yaitu merubah jumlah cluster dan merubah nilai koefisien kombinasi (c). Perhitungan tingkat akurasi sistem ini dapat menggunakan Mean Absolute Error (MAE). Hasil prediksi yang dihasilkan sistem memiliki nilai MAE dengan rata-rata yaitu 0,657. Nilai MAE akan semakin meningkat apabila jumlah cluster bertambah dan MAE juga akan semakin meningkat apabila nilai koefisien kombinasi semakin mendekati nilai 1.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2015/237/051505142 |
| Subjects: | 000 Computer science, information and general works > 004 Computer science |
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 11 Aug 2015 14:14 |
| Last Modified: | 20 Oct 2021 14:01 |
| URI: | http://repository.ub.ac.id/id/eprint/146283 |
Preview |
Text
Sistem_Rekomendasi_Jenis_Sepeda_Motor_Dengan_Menggunakan_Algoritma_ICHM.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |