COLLABORATIVE FILTERING RECOMMENDATION SYSTEM USING APRIORI AND COSINE SIMILARITY FOR IMAGE COMBINATION ON MICROSTOCK

DWI, ANJAS (2019) COLLABORATIVE FILTERING RECOMMENDATION SYSTEM USING APRIORI AND COSINE SIMILARITY FOR IMAGE COMBINATION ON MICROSTOCK. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) 41515110104 Anjas Dwi.pdf Restricted to Registered users only Download (1MB)

Abstract

Data statistik Google Trend selama 15 tahun terakhir menunjukan bahwa kebutuhan inforgrafis meningkat dan berbanding lurus dengan perkembangan teknologi. Ini menyebabkan munculnya banyak situs yang menyediakan layanan untuk kebutuhan desain grafis seperti microstock. Infografis atau desain grafis membutuhkan kombinasi material yang tepat untuk menghasilkan penyampaian yang jelas dan menarik perhatian orang-orang. Penelitian ini dilakukan dengan harapan dapat membantu pelanggan dalam menentukan kombinasi gambar atau material desain yang bagus untuk proyek desain grafis sesaui trend sebagian besar pelanggan microstock dengan berfokus pada sistem rekomendasi Collaborative Filtering menggunakan algoritma Apriori dan Cosine similarity yang diterapkan langsung pada Microstock. Data ujicoba yang digunakan adalah 64 data transaksi yang dikumpulkan langsung dari beberapa desainer yang telah memilih kombinasi item gambar untuk proyek desain grafis mereka. Dengan menetapkan nilai minimum support 50% dan nilai minimum Confidence 75%, terbentuk sebanyak 4 Association rule dengan perolehan nilai Confidance tertinggi mancapai 87.76%. Performa sistem dalam pembentukan association rule membutuhkan waktu kurang lebih 0,0036 detik. Performa sistem dalam melakukan perhitungan cosine dengan minimum similarity 50% dan merekomendasikan hasil item gambar membutuhkan waktu rata-rata 1,862 detik. Kata kunci: Recomendation System, Collaborative Filtering, Association Rule, Apriori, Cosine Similarity

Actions (login required)

View Item