PENERAPAN ALGORITMA ITEM BASED COLLABORATIVE FILTERING UNTUK REKOMENDASI PRODUK PADA E-COMMERCE

Mahendra, Rayhan Rizal (2024) PENERAPAN ALGORITMA ITEM BASED COLLABORATIVE FILTERING UNTUK REKOMENDASI PRODUK PADA E-COMMERCE. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text 20081010045. -cover.pdf Download (815kB)
	Text 20081010045. -Bab 1.pdf Download (118kB)
	Text (Bab 3) 20081010045. -Bab 3.pdf Restricted to Repository staff only until 2026. Download (297kB) \| Request a copy
	Text (Bab 2) 20081010045. -Bab 2.pdf Restricted to Repository staff only until 2026. Download (1MB) \| Request a copy
	Text (Bab 4) 20081010045. -Bab 4.pdf Restricted to Repository staff only until 19 July 2026. Download (629kB) \| Request a copy
	Text (BAB 5) 20081010045. -Bab 5.pdf Download (111kB)
	Text (DAFTAR PUSTAKA) 20081010045. -Daftar Pustaka.pdf Download (118kB)

Abstract

Di tengah revolusi teknologi informasi yang sedang berlangsung, Sebagian bahkan seluruh masyarakat akan melihat bahwa teknologi yang sedang berkembang memiliki dampak positif yang membantu dalam pekerjaan di bidang bisnis maupun aktivitas sehari-hari. Di Dalam perkembangan teknologi ini tidak lupa juga dengan kecanggihan teknologi yaitu Machine Learning. Perkembangan Machine Learning pada bidang bisnis, sangat membantu manusia dalam menjalankan bisnis atau usaha yang dijalankan oleh seseorang salah satunya adalah e-commerce. e-commerce memiliki peran penting dalam perekonomian karena dapat menciptakan lapangan kerja, meningkatkan pendapatan masyarakat, serta mendukung pertumbuhan ekonomi lokal. Sebuah situs web dapat dikenali sebagai kumpulan item-item yang menarik. Dalam suatu rekomendasi, dibutuhkan suatu metode salah satunya adalah item based collaborative filtering. Metode ini memiliki beberapa tahapan yaitu pengumpulan data, studi literatur, data pre processing, Pembuatan matriks user-item dan antar item, perhitungan cosine similarity dan prediksi. Untuk evaluasi menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Masing - masing evaluasi mendapatkan hasil 1.20 untuk MAE dan 1.39 untuk RMSE. Hasil tersebut cukup baik mengingat bahwa semakin kecil nilai maka semakin baik. Kata Kunci : Machine Learning, Item based collaborative filtering, rekomendasi

Item Type:

Thesis (Undergraduate)

Contributors: