FIRMANSYAH, RUSMAL (2017) MOBILE LEARNING UNTUK SISTEM REKOMENDASI PELAJARAN MENGGUNAKAN METODE COLLABORATIVE FILTERING. Undergraduate thesis, Fakultas Teknologi Industri UNISSULA.
|
Text
DAFTAR ISI.pdf Download (26kB) | Preview |
|
|
Text
ABSTRAK.pdf Download (329kB) | Preview |
|
|
Text
DAFTAR PUSTAKA.pdf Download (143kB) | Preview |
|
|
Text
COVER.pdf Download (670kB) | Preview |
|
|
Text
PUBLIKASI.pdf Download (139kB) | Preview |
|
|
Text
BAB I.pdf Download (38kB) | Preview |
|
![[img]](http://repository.unissula.ac.id/style/images/fileicons/text.png) |
Text
BAB II.pdf Restricted to Registered users only Download (260kB) |
|
|
Text
BAB V.pdf Restricted to Registered users only Download (23kB) |
|
|
Text
BAB III.pdf Restricted to Registered users only Download (1MB) |
|
|
Text
BAB IV.pdf Restricted to Registered users only Download (4MB) |
Abstract
Proses belajar mengajar sekarang ini memiliki sistem online dan offline (langsung bertatap mata). Dengan sistem online banyak peserta didik kebingungan dengan apa yang harus dipelajari lagi karena banyaknya pelajaran yang ada. Dari kebingungan untuk memilih pelajaran yang ada, maka diperlukan sebuah rekomendasi pelajaran. Rekomendasi adalah sebuah saran yang menganjurkan untuk dilakukan. Rekomendasi berfungsi untuk membantu pengguna memilih sesuatu yang paling mirip dengan apa yang sedang di cari. Ada beberapa cara rekomendasi yang diberikan antara lain jumlah rating, jumlah kesamaan nama, jumlah view dan lain sebagainya. Dalam memberikan rekomendasi, penelitian ini menggunakan metode collaborative filtering, Collaborative filter memiliki 3 cara pemberian rekomendasi yaitu model based (berdasarkan rating yang diberikan user lain), memory based (berdasarkan kemiripan sumber data) dan gabungan keduanya menjadi hybrid recommendation system bertujuan untuk mengatasi kelemahan yang muncul pada kedua kategori sebelumnya. Penelitian ini menekankan pada hybrid recommendation system, yaitu menggabungkan antara memory based dan model based. Dalam menghitung nilai memory based digunakan algoritma cosine similarity, sedangkan untuk model based digunakan algoritma simple addictive weight (SAW). Dalam pembobotan SAW digunakan 0.571 untuk kemiripan dan 0.429 untuk nilai rating. Bobot tersebut diperoleh dari hasil kuisioner. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa dalam menghitung nilai similarity harus menentukkan nilai vektor masing-masing pelajaran dengan mencari nilai kemunculan kata/term frekuensi (tf), dokument frekuensi (df), dan inverse dokument frekuensi(idf). Setelah menemukan nilai vektor maka dilakukan pencarian kemiripan dengan cosine similarity. Dari pelajaran yang memiliki nilai similarity bukan 0 kemudian bandingkan dengan rating masing-masing untuk dirangking dengan SAW sesuai dengan bobot masing-masing. Dari tersebut maka diperoleh pelajaran yang direkomendasikan. Dari penelitian ini terlihat bahwa sistem memberikan rekomendasi sesuai dengan tingkat kemiripan judul dan juga rating tertinggi. Tetapi dengan melihat hasil evaluasi, terlihat bahwa nilai recall 1 dan precision 0.29 menunjukkan hasil belum memiliki tingkat ketepatan yang baik dalam memberikan rekomendasi. Kata kunci : rekomendasi, collaborative filtering, cosine similarity, SAW
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika |
| Depositing User: | Pustakawan Reviewer UNISSULA |
| Date Deposited: | 06 Mar 2018 03:02 |
| Last Modified: | 06 Mar 2018 03:02 |
| URI: | http://repository.unissula.ac.id/id/eprint/10453 |
Actions (login required)
 |
View Item |
