23.04.6372
000 - General Works
Karya Ilmiah - Skripsi (S1) - Reference
Tugas Akhir
31 kali
<p>Menonton film adalah salah satu hobi dari kebanyakan orang. Dengan zaman digitalisasi, sekarang menonton film dapat dilakukan dimana saja. Salah satu <em>provider</em> menonton film adalah Disney+. Setelah menonton, biasanya <em>user</em> akan memberikan opininya ke media sosial, seperti Twitter, dikarenakan kebebasan berpendapat. Seiring banyaknya film yang ada, kebanyakan <em>user</em> kebingungan untuk menonton film. Solusi dari permasalahan tersebut adalah dengan sistem rekomendasi, yang memudahkan <em>user</em> dalam memilih film yang relevan. Teknik populer pada sistem rekomendasi adalah <em>Collaborative Filtering </em>(CF)<em>, Content-Based Filtering </em>(CBF)<em>, </em>dan<em> Hybrid Filtering</em>. Dikarenakan CF dan CBF memiliki masalah <em>cold start</em>, <em>sparse</em>, dan <em>overspecialization</em>. Maka penelitian ini akan merancang sistem rekomendasi <em>Hybrid Filtering</em> berbasis pembobotan CF-CBF dengan klasifikasi <em>Long Short-Term Memory </em>(LSTM). Pengklasifikasian akan dilakukan dengan berbagai optimasi, seperti Adam, SGD, Nadam, RMSprop, dan Adamax. Dataset berasal dari <em>website </em>Kaggle yang mencakup <em>tweet</em> film terkait <em>platform</em> Disney+. Hasil pengujian mengindikasikan bahwa pembobotan CF-CBF dalam sistem rekomendasi <em>Hybrid Filtering, </em>dengan mengandalkan optimasi Adamax pada klasifikasi LSTM, menghasilkan metrik performansi tinggi, dengan nilai <em>Precision </em>78%, <em>Recall </em>79%, <em>Accuracy </em>79%, dan <em>F1-Score 77%</em>.</p>
<p>Kata kunci : Disney+, sistem rekomendasi, CF, CBF, hybrid filtering, LSTM</p>
Tersedia 1 dari total 1 Koleksi
Nama | MUHAMMAD NUR ILYAS |
Jenis | Perorangan |
Penyunting | Erwin Budi Setiawan |
Penerjemah |
Nama | Universitas Telkom, S1 Informatika |
Kota | Bandung |
Tahun | 2023 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |