PENERAPAN METODE K-NEAREST NEIGHBOR (KNN) HYBRID COLLABORATIVE FILTERING PADA SISTEM REKOMENDASI INSTRUMEN MUSIK DI E-COMMERCE

Rifqy, Muhammad (2024) PENERAPAN METODE K-NEAREST NEIGHBOR (KNN) HYBRID COLLABORATIVE FILTERING PADA SISTEM REKOMENDASI INSTRUMEN MUSIK DI E-COMMERCE. Other thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI FULL MUHAMMAD RIFQY - FINAL.pdf Restricted to Repository staff only Download (2MB)
	Text ABSTRAK.pdf Download (237kB)
	Text COVER.pdf Download (205kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (77kB)
	Text PENGESAHAN PENGUJI.pdf Download (78kB)
	Text DAFTAR ISI.pdf Download (207kB)
	Text DAFTAR PUSTAKA.pdf Download (191kB)

Abstract

Perkembangan teknologi yang pesat telah memberikan dampak signifikan di
berbagai bidang, terutama e-commerce, yang kini telah menjadi konsep yang familiar di
kalangan konsumen. Aplikasi e-commerce memungkinkan pengguna untuk membeli dan
menjual produk secara daring, memfasilitasi aktivitas seperti melihat produk, membaca
deskripsi, dan berkomunikasi langsung dengan penjual. Data dari Merchant Machine
menunjukkan bahwa belanja online di Indonesia menduduki peringkat pertama di dunia,
dengan pertumbuhan yang luar biasa sebesar 78% pada tahun 2018 dan pengeluaran rata�rata sebesar Rp. 3,19 juta per orang. Lonjakan dalam e-commerce ini menghasilkan beragam
produk yang tersedia secara online, termasuk instrumen musik, yang menimbulkan
tantangan bagi konsumen dalam memilih opsi yang sesuai. Oleh karena itu, diperlukan
sistem rekomendasi yang sesuai dengan preferensi pengguna untuk membantu proses
pengambilan keputusan.
Penelitian ini bertujuan untuk mengevaluasi dampak penggabungan metode user�based collaborative filtering dan item-based collaborative filtering melalui pendekatan
linear hybrid terhadap akurasi rekomendasi. Dataset yang digunakan diambil dari e�commerce Amazon, yang mencakup 3 juta ulasan dari 1,8 juta pengguna dan lebih dari 213
ribu item instrumen musik. Data ini melalui tahap preprocessing untuk memastikan
kebersihan dan kesesuaiannya untuk pemodelan. Metodologi yang diterapkan melibatkan
pembuatan model yang memanfaatkan kombinasi metode user-based dan item-based
collaborative filtering, dengan perbandingan hasil yang dilakukan terhadap masing-masing
metode yang diterapkan secara terpisah. Penggabungan menggunakan teknik linear hybrid,
dengan pembobotan yang dioptimalkan melalui grid search, menghasilkan bobot 0,9 untuk
user-based dan 0,1 untuk item-based filtering. Algoritma cosine similarity digunakan untuk
menghitung kesamaan antara pengguna dan item, sementara metode K-Nearest Neighbor
(KNN) digunakan untuk memprediksi rating dengan nilai k dan min_k yang bervariasi.
Hasil penelitian menunjukkan bahwa metode KNN user-based collaborative filtering
mencapai nilai Mean Absolute Error (MAE) sebesar 0,680, sementara item-based
collaborative filtering menghasilkan MAE sebesar 0,720, dan hybrid collaborative filtering
menghasilkan MAE sebesar 0,679. Dengan demikian, kombinasi metode menggunakan
pendekatan linear menunjukkan MAE terendah, yang mengindikasikan peningkatan
kesesuaian rekomendasi yang dihasilkan dengan preferensi pengguna.
Kata kunci: KNN collaborative filtering, linear hybrid, sistem rekomendasi, cosine
similarity, Mean Absolute Error, e-commerce

Item Type:	Thesis (Other)
Uncontrolled Keywords:	KNN collaborative filtering, linear hybrid, sistem rekomendasi, cosine similarity, Mean Absolute Error, e-commerce
Subjek:	H Social Sciences > H Social Sciences (General)
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Indah Lestari
Date Deposited:	07 Nov 2024 01:48
Last Modified:	07 Nov 2024 01:48
URI:	http://eprints.upnyk.ac.id/id/eprint/41569

Actions (login required)

View Item