Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JITTER (Jurnal Ilmiah Teknologi Informasi Terapan)

PENERAPAN TEKNIK KLASIFIKASI PADA SISTEM REKOMENDASI MENGGUNAKAN ALGORITMA GENETIKA Rita Rismala; Mahmud Dwi Sulistiyo
Jurnal Ilmiah Teknologi Infomasi Terapan Vol. 2 No. 3 (2016)
Publisher : Universitas Widyatama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (534.54 KB) | DOI: 10.33197/jitter.vol2.iss3.2016.108

Abstract

[Id]Sistem rekomendasi yang dibangun dalam penelitian ini adalah sistem rekomendasi yang dapat memberikan rekomendasi sebuah item terbaik kepada user. Dari sisi data mining, pembangunan sistem rekomendasi satu item ini dapat dipandang sebagai upaya untuk membangun sebuah model classifier yang dapat digunakan untuk mengelompokkan data ke dalam satu kelas tertentu. Model classifier yang digunakan bersifat linier. Untuk menghasilkan konfigurasi model classifier yang optimal digunakan Algoritma Genetika (AG). Performansi AG dalam melakukan optimasi pada model klasifikasi linier yang digunakan cukup dapat diterima. Untuk dataset yang digunakan dengan kombinasi nilai parameter terbaik yaitu yaitu ukuran populasi 50, probabilitas crossover 0.7, dan probabilitas mutasi 0.1, diperoleh rata-rata akurasi sebesar 72.80% dengan rata-rata waktu proses 6.04 detik, sehingga penerapan teknik klasifikasi menggunakan AG dapat menjadi solusi alternatif dalam membangun sebuah sistem rekomendasi, namun dengan tetap memperhatikan pengaturan nilai parameter yang sesuai dengan permasalahan yang dihadapi.Kata kunci:sistem rekomendasi, klasifikasi, Algoritma Genetika[En]In this study was developed a recommendation system that can recommend top-one item to a user. In terms of data mining, it can be seen as a problem to develop a classifier model that can be used to classify data into one particular class. The model used was a linear classifier. To produce the optimal configuration of classifier model was used Genetic Algorithm (GA). GA performance in optimizing the linear classification model was acceptable. Using the case study dataset and combination of the best parameter value, namely population size 50, crossover probability 0.7 and mutation probability 0.1, obtained average accuracy 72.80% and average processing time of 6.04 seconds, so that the implementation of classification techniques using GA can be an alternative solution in developing a recommender system, due regard to setting the parameter value depend on the encountered problem.Keywords:Recommendation system, classification, Genetic Algorithm