Analisis dan Implementasi Switching Hybrid Recommender System Menggunakan Support Vector Machines Classifier dan Collaborative Filtering Switching Hybrid Recommender System Analysis and Implementation with Support Vector Machines Classifier and Collaborat

Isnaini Nurul Khasanah

Informasi Umum

Kode

113070231

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

12 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Dewasa ini, fenomena information overload sudah tidak asing lagi. Banjir informasi yang terjadi memberikan kesulitan tersendiri bagi user untuk dapat mencari informasi yang relevan dengan yang mereka inginkan. Oleh karena itu digunakanlah Recommender System untuk mengatasi masalah tersebut. Recommender system merupakan sistem yang dapat memberikan rekomendasi bagi user tertentu sesuai dengan preferensi user , kebiasaaan user, dan lain sebagainya. Ada dua teknik yang cukup terkenal untuk recommender system, yakni Collaborative Filtering dan Content-based Filtering. Namun kedua teknik tersebut masih memiliki kekurangan, sehingga dibutuhkan pendekatan lain untuk meningkatkan kualitas recommender system. Pendekatan yang dimaksud adalah dengan menggunakan hybrid recommender system. Pada tugas akhir ini menerapkan switching hybrid recommender system dengan menggunakan collaborative filtering dan support vector machine classifier. Penerapan switching hybrid ini diharapakan dapat mengatasi kelemahan masing-masing metode. Ide dari switching hybrid recommender system adalah dengan membandingkan hasil prediksi yang telah dihasilkan masing-masing metode dengan parameter alpha dan beta. Dari hasil perbandingan tersebut maka akan dipilih prediksi yang lebih baik . Parameter alpha akan dibandingkan dengan perbedaan probabilitas setiap kelas sehingga akan disimpulkan apakah confidence-nya tinggi atau tidak. Confidence prediksi dengan SVM classifier dikatakan tinggi jika dihasilkan berbedaan probabilitas yang tinggi. Sedangkan parameter beta akan menunjukkan apakah perbedaan prediksi yang dihasilkan oleh masing-masing metode besar atau kecil. Untuk mengevaluasi hasil prediksi dalam tugas akhir ini digunakan MAE. MAE akan mengukur perbedaan dari rating yang dihasilkan sistem dengan rating sebenarnya yang diberikan user. Kata kunci : recommender system,collaborative filtering,content based filtering, support vector machine classifier, switching hybrid recommender system.Kata Kunci : recommender system,collaborative filtering,content based filtering, support vector machine classifier, switching hybrid recommender system.ABSTRACT: These days, information overload phenomenon is a common thing. Information overload that happened gives difficulties for user to search information that relevant with what they want. Because of that, recommender system is used to overcome that problem.Recommender system is a sytem that give recommendation for user according to user preference, user behavior, etc. There are two famous techniques in recommender system, they are Collaborative F0iltering and Content-based Filtering. But those two techniques sill have its weakness, so that it’s important to generate another technique to improve recommender system quality. One of the solution is using hybrid recommender system. In this final task, swithing hybrid recommender system using collaborative filtering and support vector machines classifier is used. The implementation of switching hybrid recommender system is expected to overcome the weakness of each method. The idea of switching hybrid recommender system is comparing the prediction result of each method with alpha and beta parameter. From those comparation, we’ll see which one is the best prediction. Alpha parameter will be compared with the defference of the probability for each class, so that we can conclude if the defference is large or not. The confidence of SVM classifier prediction will high if the probability difference is high either. The beta parameter show if the difference of prediction made by each method is high or not. To evaluate prediction result, MAE is used in this final task. MAE will measure the diffence of the system predicted rating and the trus rating assigned by user.Keyword: recommender system,collaborative filtering,content based filtering, support vector machine classifier, switching hybrid recommender system.