Sistem Rekomendasi Berita dari Data Microsoft News menggunakan Metode TF-IDF dan Cosine Similarity
GISELA YUNANDA
Informasi Umum
Kode
22.04.3463
Klasifikasi
003.3 - Computer science- system- computer modeling and simulation
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Computer Science, Sistem Informasi Manajemen,
Dilihat
363 kali
Informasi Lainnya
Abstraksi
<p style="margin-left:1.0cm;">Informasi yang tumbuh kian pesat menyebabkan terjadinya <em>information overload, </em>sehingga portal berita menerbitkan informasi secara massif. Pembaca membutuhkan waktu untuk mencari dan membaca berita yang lebih banyak, namun relevansi waktu berita berakhir dengan cepat. Diperlukan sistem rekomendasi yang dapat merekomendasikan berita yang sesuai dengan preferensi pembaca. Penelitian ini merekomendasikan berita menggunakan metode TF-IDF. TF-IDF memberikan bobot pada setiap kata dalam judul berita, untuk kemudian dicari similaritas antar berita menggunakan <em>cosine similarity</em>. Untuk membuktikan keakuratan apakah hasil rekomendasi sistem benar-benar diklik oleh pembaca, hasil rekomendasi dicocokkan dengan riwayat berita pembaca pada portal berita <em>online Microsoft News </em>menggunakan hit-rate. Hasil hit-rate pada penelitian ini sebesar 80,77%.</p>
- CII4H3 - SISTEM PEMBERI REKOMENDASI
- CDG4G3 - SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | GISELA YUNANDA |
| Jenis | Perorangan |
| Penyunting | Dade Nurjanah, Selly Meliana |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2022 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
