UMIUMI

METHODIKA: Jurnal Teknik Informatika dan Sistem InformasiMETHODIKA: Jurnal Teknik Informatika dan Sistem Informasi

Pertumbuhan e-commerce telah menghasilkan informasi produk yang masif dan volume data yang sangat besar. Hal ini mengakibatkan masalah kelebihan informasi. Dalam kasus e-commerce, konsumen atau pengguna menghabiskan banyak waktu untuk memilih barang yang mereka butuhkan. Pertanyaan mendesak yang harus dijawab saat ini adalah bagaimana memberikan solusi terkait pembatasan informasi secara cerdas sehingga informasi yang ada benar-benar merupakan informasi yang sesuai dengan preferensi dan kebutuhan. Penelitian ini melakukan penyaringan informasi dengan menerapkan metode singular value decomposition dan teknik similaritas Pearson pada sistem rekomendasi buku. Data yang digunakan adalah Book-Crossing Dataset yang merupakan dataset referensi untuk banyak sistem rekomendasi penelitian. Rekomendasi yang dihasilkan kemudian dibandingkan dengan rekomendasi e-commerce seperti amazom.com. Berdasarkan hasil penelitian diperoleh data bahwa hasil rekomendasi dalam penelitian ini sangat baik dan akurat.

Penelitian ini menyimpulkan bahwa sistem perekomendasi dengan metode singular value decomposition (SVD) mampu mengatasi masalah sparse matrix yang sering menjadi kendala pada sistem rekomendasi konvensional.Penerapan teknik Pearson pada SVD terbukti dapat memberikan hasil rekomendasi yang baik.Penelitian ini juga menunjukkan bahwa hasil rekomendasi yang diperoleh sebanding dengan sistem rekomendasi yang ada pada situs e-commerce seperti Amazon.Untuk meningkatkan kualitas penelitian, perlu dilakukan perluasan penerapan metode ini pada dataset yang lebih beragam.

Penelitian selanjutnya dapat difokuskan pada pengembangan sistem rekomendasi yang lebih adaptif dengan mempertimbangkan faktor kontekstual seperti waktu, lokasi, dan perangkat pengguna. Hal ini dapat dilakukan dengan mengintegrasikan metode SVD dengan teknik deep learning untuk menangkap pola-pola kompleks dalam data. Selain itu, penelitian lebih lanjut dapat mengeksplorasi penggunaan teknik hybrid recommendation system yang menggabungkan content-based filtering, collaborative filtering, dan knowledge-based approaches untuk meningkatkan akurasi dan diversifikasi rekomendasi. Terakhir, penting untuk meneliti bagaimana sistem rekomendasi dapat mengatasi masalah cold-start, yaitu ketika sistem tidak memiliki cukup data tentang pengguna atau item baru, dengan memanfaatkan teknik transfer learning atau meta-learning untuk memanfaatkan pengetahuan dari domain lain.

  1. International Journal of Modern Physics B. journal modern physics system maintenance october pm pst time... worldscientific.com/doi/abs/10.1142/S0217979219501297International Journal of Modern Physics B journal modern physics system maintenance october pm pst time worldscientific doi abs 10 1142 S0217979219501297
  2. Rec-CFSVD : Implementing Recommendation System Using Collaborative Filtering and Singular Value Decomposition... doi.org/10.1142/S0219622021500310Rec CFSVD Implementing Recommendation System Using Collaborative Filtering and Singular Value Decomposition doi 10 1142 S0219622021500310
Read online
File size901.13 KB
Pages6
DMCAReport

Related /

ads-block-test