Skripsi

Model sistem rekomendasi menggunakan matrix factorization bias terms dan Convolutional Neural Network (CNN) / L. Gilang Obidia Ramdhani

Abstrak
Perkembangan teknologi internet telah memberikan kemudahan bagi masyarakat dalam mengakses informasi. Namun dengan banyaknya informasi yang tersedia di internet menemukan informasi yang diinginkan menjadi tantangan. Untuk mengatasi masalah ini sistem rekomendasi digunakan untuk merekomendasikan informasi kepada pengguna. Metode Collaborative Filtering merupakan salah satu metode yang dapat digunakan dalam sistem rekomendasi produk. Metode ini didasarkan pada interaksi masa lalu antara pengguna dan item. Salah satu teknik yang populer dalam Collaborative Filtering adalah matrix factorization. Namun matrix factorization menghadapi beberapa kendala seperti sparsity data yang tinggi dan kesulitan dalam mempresentasikan variasi perilaku antara pengguna dan item. Oleh karena itu penelitian ini mengusulkan penggabungan model matrix factorization bias terms dengan Convolutional Neural Network (CNN) dalam metode Collaborative Filtering. Penggunaan deep learning dengan Convolutional Neural Network (CNN) dapat mengatasi sparsity data sementara penggunaan bias terms pada matrix factorization memperhitungkan variasi perilaku pengguna dan item. Penelitian ini menggunakan dataset dari movielens untuk membangun model rekomendasi. Diharapkan bahwa hasil penelitian ini dapat membantu pengguna dalam memilih produk atau layanan yang sesuai dengan preferensi mereka.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2023.

Deskripsi Fisik

xiii, 32 hlm. : ilus.

Bahasa

Indonesia

No Reg

1849/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. MODEL KOMPUTER - SISTEM REKOMENDASI
2. COMPUTER MODEL - RECOMMENDATION SYSTEM

Pembimbing

1. Dr.Eng Didik Dwi Prasetya, S.T., M.T.; 2. Kartika Candra Kirana, S.Pd., M.Kom

Lampiran Berkas