SISTEM REKOMENDASI ARTIKEL ILMIAH MENGGUNAKAN METODE HYBRID FILTERING

PERMATASARI, MELVINA RUTH (2025) SISTEM REKOMENDASI ARTIKEL ILMIAH MENGGUNAKAN METODE HYBRID FILTERING. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 2_Cover_123210042_Melvina Ruth P.pdf Download (208kB)
	Text 3_Abstrak_123210042_Melvina Ruth P.pdf Download (72kB)
	Text 4_Halaman Pengesahan_123210042_Melvna Ruth P.pdf Download (740kB)
	Text 5_Daftar isi_123210042_Melvina Ruth P.pdf Download (235kB)
	Text 6_Daftar Pustaka_123210042_Melvina Ruth P.pdf Download (235kB)
	Text 1_Skripsi full_123210042_Melvina Ruth P.pdf Restricted to Repository staff only Download (4MB)

Abstract

Peningkatan jumlah publikasi ilmiah di Indonesia menimbulkan tantangan baru bagi
mahasiswa dan peneliti dalam menemukan artikel yang relevan. Untuk mengatasi
permasalahan tersebut, penelitian ini mengembangkan sistem rekomendasi artikel ilmiah
berbasis hybrid filtering, yaitu penggabungan metode content-based filtering dan
collaborative filtering. Sistem ini dirancang untuk membantu pengguna menemukan
referensi yang sesuai dengan preferensi dan kebutuhan mereka, serta mengatasi masalah cold
start yang umum terjadi pada sistem rekomendasi konvensional.
Metode yang digunakan dalam penelitian ini mencakup tahapan preprocessing data
seperti cleansing, case folding, tokenizing, stopword removal, dan stemming. Pendekatan
content-based filtering dilakukan dengan teknik TF-IDF dan cosine similarity pada judul
dan abstrak artikel, sedangkan collaborative filtering menggunakan algoritma K-Nearest
Neighbors (KNN) berbasis data rating pengguna. Dataset yang digunakan terdiri dari 1.012
data artikel dan 1.558 data interaksi pengguna. Evaluasi dilakukan menggunakan metrik
precision@k, recall@k, dan Mean Absolute Error (MAE) untuk mengukur performa sistem.
Hasil pengujian menunjukkan bahwa model hybrid filtering memberikan performa
terbaik dengan rata-rata precision sebesar 86,76% dan recall sebesar 80%, serta nilai MAE
terendah pada k = 23. Hal ini menunjukkan bahwa penggabungan dua pendekatan mampu
meningkatkan akurasi dan relevansi rekomendasi artikel ilmiah. Sistem ini diharapkan dapat
menjadi solusi efektif dalam membantu proses pencarian referensi ilmiah yang relevan dan
personal di lingkungan akademik.
Kata kunci: sistem rekomendasi, hybrid filtering, content-based filtering, collaborative
filtering, artikel ilmiah.

Item Type:	Thesis (Skripsi)
Additional Information:	MELVINA RUTH PERMATASARI (Penulis-123210042) ; Herlina Jayadianti (Pembimbing)
Uncontrolled Keywords:	sistem rekomendasi, hybrid filtering, content-based filtering, collaborative filtering, artikel ilmiah.
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > Informatika (S1)
Depositing User:	A.Md Eko Suprapti
Date Deposited:	21 Jul 2025 01:31
Last Modified:	21 Jul 2025 01:31
URI:	http://eprints.upnyk.ac.id/id/eprint/43166

Actions (login required)

View Item