Sistem Rekomendasi Collaborative Filtering Pada Smartphone Menggunakan K-Means
Abstract
Abstrak — Smartphone memenuhi kebutuhan user dengan menyediakan berbagai layanan komunikasi yang memungkinkan seperti transfer informasi dalam bentuk teks, grafik, suara, dan layanan Internet. Banyak dari masyarakat kebingungan untuk memilih dari banyak nya merk dan tipe yang beredar di pasar saat ini. Maka dari itu penelitian ini melakukan pemberian rekomendasi dengan perbandingan prediksi rating smartphone menggunakan metode K-Means dengan membandingkan tiga perhitungan similarity diantaranya Pearson, Pearson Baseline dan Cosine, dan penggunaan jumlah tetangga yang bervariatif. Dilakukan perbandingan tingkat kinerja antara skenario yang berbeda. Berdasarkan perhitungan dan analisis yang sudah dilakukan, didapatkan skenario antara penggunaan jumlah trainset 80% dan testset 20%, metode similarity Pearson Baseline, dan 90 jumlah tetangga menghasilkan nilai error terkecil dengan nilai RMSE 0.6599 yang merupakan skenario K-Means dengan kinerja paling tinggi dalam penelitian ini. Sedangkan skenario penggunaan jumlah trainset 70% dan testset 30%, metode similarity Pearson, dan 10 jumlah tetangga menghasilkan nilai error terbesar dengan nilai RMSE 0.7279 yang berarti skenario tersebut memiliki kinerja paling rendah.
Kata Kunci— Smartphone, K-Means, User-based Collaborative Filtering, Similarity, RMSE.
References
REFERENSI
A. Y. Yaakop and S. Mokhlis,
Criteria in Mobile Phone Selection: An
Investigation of Malaysian University Students,=
International Review of Social Sciences and
Humanities, vol. 2, no. 2, pp. 203–212, 2012,
[Online]. Available: www.irssh.com
H. Karjaluoto et al.,
choice of mobile phones: Two studies from
Finland,=
Journal of Euromarketing, vol. 14, no. 3, pp. 59–82,
, doi: 10.1300/J037v14n03_04.
W. HENDITYA, <2 BAB II DASAR TEORI 2.1
Pengertian Smartphone,= Bandung, 2016. Accessed:
May 20, 2022. [Online]. Available:
https://openlibrary.telkomuniversity.ac.id/pustaka/1
/sistem- rekomendasi-pembelian-smartphonemenggunakan-metode-collaborative-filtering-dancontent-based- filtering.html
D. Nugraha, T. W. Purboyo, and R. A. Nugrahaeni,
REKOMENDASI FILM MENGGUNAKAN
METODE USER BASED COLLABORATIVE
FILTERING (MOVIE RECOMMENDATION
SYSTEM USING USER BASED
COLLABORATIVE FILTERING METHOD).=
A. N. Khusna, K. P. Delasano, and D. C. E. Saputra,
Algorithm,= MATRIK : Jurnal Manajemen, Teknik
Informatika dan Rekayasa Komputer, vol. 20, no. 2,
pp. 293–304, May 2021, doi:
30812/matrik.v20i2.1124.
S. Chakrabarti, H. N. Saha, University of British
Columbia, Institute of Electrical and Electronics
Engineers. Vancouver Section, and Institute of
Electrical and Electronics Engineers, IEEE
IEMCON - 2016 : the 7th IEEE Annual Information
Technology, Electronics & Mobile Communication
Conference : 13-15 October 2016, University of
British Columbia, Vancouver, Canada.
S. Sari and D. Tri Hendra,
Film menggunakan Pendekatan Collaborative
Filtering dan Euclidean Distance sebagai ukuran
kemiripan rating.=
A. Chauhan, D. Nagar, and P. Chaudhary,
recommender system using sentiment analysis,= in
Proceedings of International Conference on
Innovative Practices in Technology and
Management, ICIPTM 2021, Feb. 2021, pp. 190–
doi: 10.1109/ICIPTM52218.2021.9388340.
S. Shaposhnikov et al., Proceedings of the 2017
IEEE Russia Section Young Researchers in
Electrical and Electronic Engineering Conference
(2017 ElConRus) : February 1-3, 2017, St.
Petersburg, Russia, 2017.
F. Ricci, L. Rokach, and B. Shapira,
to Recommender Systems Handbook,= in
Recommender Systems Handbook, Springer US,
, pp. 1–35. doi: 10.1007/978-0-387-85820-3_1.
H. Koohi and K. Kiani,
Filtering using fuzzy C-means,= Measurement
(Lond), vol. 91, pp. 134–139, Sep. 2016, doi:
1016/j.measurement.2016.05.058.
P. Xia, L. Zhang, and F. Li,
with cosine similarity ensemble,= Inf Sci (N Y), vol.
, pp. 39–52, Jun. 2015, doi:
1016/j.ins.2015.02.024.
F. Mansur, V. Patel, and M. Patel,
Recommender Systems.=
K. P. Sinaga and M. S. Yang,
pp. 80716–80727, 2020, doi:
1109/ACCESS.2020.2988796.
M. Ahmed, R. Seraj, and S. M. S. Islam,
performance evaluation,= Electronics (Switzerland),
vol. 9, no. 8. MDPI AG, pp. 1–12, Aug. 01, 2020.
doi: 10.3390/electronics9081295.
M. Nilashi, K. Bagherifard, O. Ibrahim, H.
Alizadeh, L. A. Nojeem, and N. Roozegar,
Research Journal of Applied Sciences, Engineering
and Technology, vol. 5, no. 16, pp. 4168–4182,
, doi: 10.19026/rjaset.5.4644.
T. Chai and R. R. Draxler,
error (RMSE) or mean absolute error (MAE)?,=
Geosci. Model Dev. Discuss, vol. 7, pp. 1525–1534,
, doi: 10.5194/gmdd-7-1525-2014.
W. Wang and Y. Lu,
Absolute Error (MAE) and the Root Mean Square
Error (RMSE) in Assessing Rounding Model,= in
IOP Conference Series: Materials Science and
Engineering, Apr. 2018, vol. 324, no. 1. doi:
1088/1757-899X/324/1/012049