Fanani, Mohammad Amir (2024) Sistem Rekomendasi Film Dengan Menggunakan Algoritma Fp-Growth Dan K-Nearest Neighbor. Undergraduate thesis, Universitas Pembangunan Nasional "Veteran" Jawa Timur.
|
Text (Cover)
17081010071_cover.pdf Download (530kB) | Preview |
|
|
Text (Bab 1)
17081010071_Bab 1.pdf Download (24kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Bab 2)
17081010071_Bab 2.pdf Restricted to Registered users only until 21 January 2027. Download (216kB) |
|
|
Text (Bab 3)
17081010071_Bab 3.pdf Restricted to Registered users only until 21 January 2027. Download (462kB) |
|
|
Text (Bab 4)
17081010071_Bab 4.pdf Restricted to Registered users only until 21 January 2027. Download (718kB) |
|
|
Text (Bab 5)
17081010071_Bab 5.pdf Restricted to Registered users only until 21 January 2027. Download (10kB) |
|
|
Text (Daftar Pustaka)
17081010071_Daftar Pustaka.pdf Restricted to Registered users only until 21 January 2027. Download (8kB) |
Abstract
Sistem rekomendasi merupakan sebuah sistem yang dapat merekomendasikan atau menyarankan pengguna dengan berbagai faktor yang dapat ditentukan sesuai kebutuhan. Sistem rekomendasi dapat dibuat dengan menggunakan salah satu cabang Kecerdasan Buatan yaitu Data Mining. Tanpa menggunakan Sistem Rekomendasi, maka tampilan atau rekomendasi dari sistem akan acak dan tidak sesuai dengan keinginan pengguna. Terdapat berbagai macam metode atau algoritma untuk menerapkan sebuah sistem rekomendasi salah satunya dengan menggunakan FP-Growth dan K-Nearest Neighbor. Dari dua algoritma ini dapat digunakan untuk memprediksi rekomendasi dari sebuah sistem dengan contoh sistem rekomendasi film. Data yang digunakan adalah penilaian dari pengguna lain dalam data film tersebut. Data film yang akan digunakan memiliki lebih dari 100.004 data dengan penilaian skala 1 sampai 5. Data tersebut akan diproses dengan metode cascade. Dari pengujian menggunakan nilai k = 5 pada data tes sebanyak 30%, dan 20% menghasilkan nilai 1.0 atau 100% pada Precision. Begitu pula pengujian menggunakan nilai k = 8 pada data tes sebanyak 30%, dan 20% menghasilkan nilai 1.0 atau 100% pada Precision. Pengujian terakhir menggunakan nilai k = 10 pada data tes sebanyak 30%, dan 20% menghasilkan nilai 1.0 atau 100% pada Precision. Hal ini menunjukkan bahwa pengujian K-Nearest Neighbor sudah memenuhi kriteria untuk dijadikan sistem rekomendasi.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Mohammad Amir Fanani | ||||||||||||
| Date Deposited: | 22 Jan 2024 06:47 | ||||||||||||
| Last Modified: | 22 Jan 2024 06:47 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/20399 |
Actions (login required)
 |
View Item |