Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Academic Journal of Computer Science Research (AJCSR)
Yoyo Carsoyo
Institut Teknologi dan Bisnis Bina Sarana Global
Computer Science & IT Decision Sciences, Operations Research & Management Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Rekomendasi Wisata Kuliner di BSD untuk Menaikan Rating Penjualan dengan Metode Item – Based Collaborative Filtering Achmad Sidik; Nunung Nurmaesah; Yoyo Carsoyo
Academic Journal of Computer Science Research Vol 5, No 1 (2023): Academic Journal of Computer Science Research (AJCSR)
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/ajcsr.v5i1.605

Abstract

Salah satu teknik rekomendasi yang telah sukses dan banyak digunakan yaitu collaborative filtering. Collaborative filtering dapat dibagi menjadi dua metode utama yaitu user based dan item based. Pada umumnya kedua metode tersebut belum memiliki fitur untuk mengakomodasi item baru. Oleh karena itu digunakan metode alternatif yang disebut user-item based collaborative filtering. Metode ini memberikan rekomendasi berdasarkan urutan teratas nilai prediksi rating yang dihasilkan oleh sistem. Metode ini menggunakan algoritma missing-value pada perhitungan prediksi rating dan tidak memerlukan proses pembentukan neighborhood. Kelemahan dari metode user-item based collaborative filtering adalah ketika pengujian dilakukan dengan pengukuran error menggunakan normalized mean absolute error (NMAE), hasil yang diperoleh NMAE cukup tinggi. Dengan melakukan perbaikan pada rumus prediksi missing value algorithm (MVA) menjadi adjusted MVA, metode user-item based collaborative filtering, dalam pengujian terbukti dapat menurunkan NMAE dan mengurangi jumlah prediksi diluar range nilai rating. Sebagai studi kasus metode user-item based ini diterapkan pada sistem rekomendasi wisata kuliner di BSD. Hasil pengujian yang telah dilakukan diperoleh prediksi yang cukup akurat dengan akurasi 83 % (6 neighbor).
Co-Authors Achmad Sidik Nunung Nurmaesah