Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Analisis Penentuan Peringkat Kandidat Menggunakan Trust Metric pada Aplikasi Rekomendasi Movie
Adhe Nurcahya (2018) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Dalam penelitian ini ingin dicari tahu perubahan peringkat kandidat sebelum dan sesudah menggunakan trust. Teknik tanpa trust yang digunakan disebut teknik Collaborative Filtering (CF) dan teknik rekomendasi yang melibatkan trust disebut Trust-awareness Recommender System (TaRS). Dari hasil eksperimen, peringkat kandidat user dari hasil pengukuran tanpa menggunakan trust cenderung mengalami penurunan apabila melibatkan trust. Berdasarkan eksperimen didapatkan peringkat user cenderung turun diatas 50% dari 50 kandidat user yang dihasilkan. Rata-rata persentase jumlah user yang turun peringkat, tidak mengalami perubahan peringkat (tetap), dan naik peringkat masing masing adalah 59.40%, 4.40%, dan 36.20%. Untuk mengetahui apakah hasil tersebut membuktikan TaRS lebih akurat, dan user yang direkomendasikan itu valid, atau movie yang direkomendasikannya sesuai dengan keinginan user, masih memerlukan survey lebih lanjut. Pada penelitian ini hanya mencari tahu kecenderungan keadaan peringkat tersebut, apakah turun, tetap, atau naik dengan memanfaatkan dataset dari MovieLens. Kata kunci: Trust Metric, sistem rekomendasi user, Collaborative Filtering, Trust-awareness Recommender System, peringkat.
Ringkasan Alternatif
This study wanted to find the candidates ranking before and after using trust. Technique without trust called Collaborative Filtering (CF) and with trust is Trust-awareness Recommender System (TaRS). Experiment show the rank of candidates user without the use of trust to fall of rank when involving trust. Based on the experiments performed, user ratings tend to fall above 50% of 50 candidates user. The average percentage of the number of users who decrease, remain, and increase rank respectively are 59.40%, 4.40%, and 36.20%. To determine whether these results prove that the rank of TaRS is more accurate, and recommended user is valid, or a recommended movie by a candidate user will be liked, it requires a further survey. This study was only to find out the trend of the ranking, whether decrease, remain, or increase using data set of that MovieLens. Keywords: Trust Metric, user recommendation system, Collaborative Filtering, Recommender System Trust-awareness, rank.