SISTEM REKOMENDASI PRODUK GADGET BERBASIS WEBSITE MENGGUNAKAN METODE ITEM-BASED COLLABORATIVE FILTERING

MUKHLIS, DIMAS BAGUS (2023) SISTEM REKOMENDASI PRODUK GADGET BERBASIS WEBSITE MENGGUNAKAN METODE ITEM-BASED COLLABORATIVE FILTERING. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (143kB) | Preview
Preview	Text (ABSTRAK) 02 Abstrak.pdf Download (29kB) | Preview
	Text (BAB I) 03 Bab 1.pdf Restricted to Registered users only Download (85kB)
	Text (BAB II) 04 Bab 2.pdf Restricted to Registered users only Download (160kB)
	Text (BAB III) 05 Bab 3.pdf Restricted to Registered users only Download (36kB)
	Text (BAB IV) 06 Bab 4.pdf Restricted to Registered users only Download (704kB)
	Text (BAB V) 07 Bab 5.pdf Restricted to Registered users only Download (26kB)
	Text (DAFTAR PUSTAKA) 09 Daftar Pustaka.pdf Restricted to Registered users only Download (85kB)
	Text (LAMPIRAN) 10 Lampiran.pdf Restricted to Registered users only Download (428kB)

Abstract

In the digital era, gadgets are an important necessity in everyday life. The increasing demand for gadget products created a significant growth in sales in this category. The number of products available will follow the development of the sales value, so that at this stage the products in circulation are very diverse. Choosing a gadget that fits your needs can be quite difficult if you have limited references. Looking for references from websites or review content can be an option in an effort to determine the right gadget, but with so many different products, in the end it will be difficult for the customer to decide. In machine learning there are methods or algorithms that can be used to build a recommendation system. This study uses a popular and widely used method for building recommendation systems, namely the Item-Based Collaborative Filtering method. The data used is the result of scraping in the form of smartphone data which includes prices, specifications, and pictures. The user will give a rating according to experience or knowledge of the gadget. After the rating is saved, the recommendations will be sorted by the highest score. Key words: Item-Based Collaborative Filtering, Recommender System, Gadget Pada era digital gadget merupakan salah satu kebutuhan penting dalam kehidupan sehari-hari. Meningkat nya permintaan terhadap produk gadget menciptakan pertumbuhan yang signifikan terhadap penjualan pada kategori ini. Jumlah produk yang tersedia akan mengikuti perkembangan nilai penjualan, sehingga pada tahap ini produk yang beredar sudah sangat beragam. Memilih gadget yang sesuai dengan kebutuhan bisa jadi cukup sulit jika referensi yang dimiliki terbatas. Mencari referensi dari website atau konten review bisa jadi pilihan dalam upaya menentukan gadget yang sesuai, namun dengan begitu beragam nya produk pada akhirnya akan sulit bagi customer untuk menentukan. Pada machine learning terdapat metode atau algoritma yang dapat dimanfaatkan untuk membangun sebuah sistem rekomendasi. Penelitian ini menggunakan metode yang populer dan banyak digunakan untuk membangun sistem rekomendasi yaitu metode Item-Based Collaborative Filtering. Data yang digunakan merupakan hasil scraping berupa data smartphone yang meliputi harga, spesifikasi, dan gambar. User akan memberikan rating sesuai dengan pengalaman atau pengetahuan terhadap gadget tersebut. Setelah rating tersimpan rekomendasi akan diurutkan berdasarkan nilai tertinggi. Kata kunci: Item-Based Collaborative Filtering, Sistem Rekomendasi, Gadget

Actions (login required)

View Item