22.04.1089
004 - Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika, Hardware Komputer
Karya Ilmiah - Skripsi (S1) - Reference
Technology, Informatics,
38 kali
Sistem rekomendasi pada umumnya harus memiliki keseimbangan data user dan data item. Dalam memberikan hasil rekomendasi yang sesuai dengan kebutuhan user, sistem rekomendasi memiliki beberapa tantangan salah satunya yaitu, sparsity data dimana dataset memiliki ketidakseimbangan data rating pada user dan item. Untuk itu dilakukan Convolutional Neural Network untuk mempelajari konteks dari review item yang direpresentasikan dalam vektor untuk memprediksi rating dengan Probabilistic Matrix Factorization yang dinamakan dengan metode Convolutional Matrix Factorization(ConvMF) dan akan dibandingkan hasil rekomendasi ConvMF dengan metode Matrix Factorization(MF) dan SVD++ yang merupakan metode baseline. Untuk mengevaluasi performa sistem yang dibangun, dihitung Mean Absolute Percentage Error(MAPE) dan Root Mean Square Error(RMSE). Berdasarkan dari metode yang diusulkan didapatkan nilai MAPE sebesar 0,373 dan RMSE sebesar 1,714 untuk metode ConvMF, nilai MAPE 0,528 dan RMSE 2,091 untuk metode MF, dan didapatkan nilai MAPE 0,359 dan RMSE 1,204 untuk metode SVD++.
Seluruh 1 koleksi sedang dipinjam
Nama | I MADE BILA ARTA WIRAWAN |
Jenis | Perorangan |
Penyunting | IRMA PALUPI |
Penerjemah |
Nama | Universitas Telkom, S1 Informatika |
Kota | Bandung |
Tahun | 2022 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |