IDID
Jurnal Ilmu Komputer dan InformatikaJurnal Ilmu Komputer dan InformatikaDalam ekosistem aplikasi mobile yang berkembang pesat, meningkatkan pengalaman pengguna di Google Play Store menjadi tantangan kritis akibat jumlah aplikasi yang sangat besar. Penelitian ini mengusulkan pendekatan terpadu yang menggabungkan Regresi Logistik, Pemetaan Min-Max, dan Pengvektor TF-IDF untuk klasifikasi aplikasi serta rekomendasi personalisasi. Dataset yang digunakan berasal dari Google Play Store, mencakup fitur numerik seperti rating, ukuran, dan jumlah unduhan, serta data teks dari ulasan pengguna. Pemetaan Min-Max diterapkan untuk menormalisasi atribut numerik, memastikan kontribusi fitur yang seimbang selama pelatihan model. Pengvektor TF-IDF digunakan untuk mengubah ulasan teks menjadi representasi numerik yang bermakna, memungkinkan model menangkap pentingnya semantik istilah. Sistem klasifikasi dan rekomendasi dievaluasi menggunakan akurasi, presisi, dan recall sebagai metrik kinerja. Hasil eksperimen menunjukkan peningkatan signifikan dibandingkan model dasar, dengan akurasi, presisi, dan recall mencapai 99,8%, dibandingkan dengan 22,8% pada model dasar. Sistem efektif merekomendasikan aplikasi yang relevan berdasarkan preferensi pengguna, diukur melalui kemiripan kosinus dalam ruang fitur. Hasil ini menunjukkan bahwa metode yang diusulkan tidak hanya meningkatkan akurasi klasifikasi tetapi juga meningkatkan kualitas rekomendasi aplikasi, sehingga secara signifikan meningkatkan pengalaman pengguna. Temuan ini berkontribusi pada bidang ilmu komputer dengan menunjukkan integrasi efektif dari skala fitur dan vektorisasi teks ke dalam model pembelajaran mesin klasik, menawarkan solusi yang skalabel dan dapat diinterpretasikan untuk sistem rekomendasi berskala besar di pasar digital. Pendekatan ini dapat lebih lanjut diadaptasi ke domain lain yang memerlukan pemrosesan hibrida data numerik dan teks untuk analisis prediktif.
Penelitian ini menyajikan pendekatan terpadu untuk klasifikasi dan rekomendasi aplikasi di Google Play Store dengan menggabungkan Regresi Logistik, Pemetaan Min-Max, dan Pengvektor TF-IDF.Metode yang diusulkan menunjukkan peningkatan signifikan dibandingkan model dasar, mencapai akurasi, presisi, dan recall hingga 99,8%, dibandingkan dengan 22,8% sebelumnya.Hasil ini menunjukkan bahwa normalisasi fitur dan representasi teks semantik secara signifikan meningkatkan kinerja sistem klasifikasi dan rekomendasi.Implementasi Pemetaan Min-Max secara efektif menyeimbangkan kontribusi atribut numerik, sementara Pengvektor TF-IDF memberikan representasi yang bermakna dari ulasan teks pengguna, memungkinkan model menangkap aspek kuantitatif dan kualitatif data aplikasi.Penggunaan kemiripan kosinus dalam fase rekomendasi lebih meningkatkan kemampuan sistem untuk memberikan saran relevan dan personalisasi kepada pengguna.Temuan penelitian ini menyoroti potensi pendekatan hibrida yang mengintegrasikan pemrosesan data numerik dan teks dalam model pembelajaran mesin klasik untuk tugas rekomendasi berskala besar.Di luar konteks Google Play Store, metodologi ini dapat diadaptasi ke pasar digital lainnya, platform e-commerce, dan lingkungan rekomendasi konten.Penelitian lanjutan akan mengeksplorasi integrasi fitur tambahan, teknik analisis teks lanjutan, dan metode pembelajaran ensemble untuk meningkatkan adaptabilitas dan kekuatan prediktif.Selain itu, memperluas model untuk menangani skenario rekomendasi waktu nyata dan dataset multibahasa dapat meningkatkan penerapannya dalam konteks global yang beragam.
Penelitian lanjutan dapat mengembangkan sistem rekomendasi berbasis waktu nyata untuk menghadapi dinamika perubahan preferensi pengguna secara kontinu. Selain itu, penggunaan teknik analisis teks lanjutan seperti deep learning atau natural language processing (NLP) dapat meningkatkan akurasi ekstraksi informasi dari ulasan pengguna. Terakhir, penelitian juga dapat fokus pada integrasi data multibahasa untuk memperluas penerapan sistem rekomendasi di pasar global yang lebih luas.
| File size | 599.62 KB |
| Pages | 12 |
| DMCA | Report |
Related /
UBUB 5, k‑NN, dan Naïve Bayes diterapkan untuk memprediksi dampak negatif penggunaan media sosial terhadap kesehatan mental. Hasil eksperimen menunjukkan5, k‑NN, dan Naïve Bayes diterapkan untuk memprediksi dampak negatif penggunaan media sosial terhadap kesehatan mental. Hasil eksperimen menunjukkan
PIKSIPIKSI Sistem ini terbukti mampu meningkatkan transparansi informasi, mempermudah pengelolaan hasil panen, serta memberikan kemudahan dalam proses monitoringSistem ini terbukti mampu meningkatkan transparansi informasi, mempermudah pengelolaan hasil panen, serta memberikan kemudahan dalam proses monitoring
IDID Studi ini menyelidiki perspektif guru dan siswa tentang penggunaan etis AI dalam pendidikan vokasional, menggunakan Technology Acceptance Model (TAM) yangStudi ini menyelidiki perspektif guru dan siswa tentang penggunaan etis AI dalam pendidikan vokasional, menggunakan Technology Acceptance Model (TAM) yang
IDID Menanggapi hal ini, pemerintah dan WHO menerapkan langkah pencegahan, termasuk persiapan pengobatan virus Corona, peningkatan kapasitas layanan kesehatanMenanggapi hal ini, pemerintah dan WHO menerapkan langkah pencegahan, termasuk persiapan pengobatan virus Corona, peningkatan kapasitas layanan kesehatan
IDID MobileNetV2 mencapai akurasi sebesar 81,15% dan performa yang baik pada jenis kulit kering. Matriks konfusi dan evaluasi pada data baru mengonfirmasi kemampuanMobileNetV2 mencapai akurasi sebesar 81,15% dan performa yang baik pada jenis kulit kering. Matriks konfusi dan evaluasi pada data baru mengonfirmasi kemampuan
IVETIVET Arsitektur sistem dijelaskan melalui ERD, diagram use case, dan diagram kelas. Hasil studi ini berupa platform web yang memungkinkan pengguna mengelolaArsitektur sistem dijelaskan melalui ERD, diagram use case, dan diagram kelas. Hasil studi ini berupa platform web yang memungkinkan pengguna mengelola
STMIK BANJARBARUSTMIK BANJARBARU E-Learning telah merevolusi pendidikan, tetapi masih terdapat kesenjangan dalam memahami faktor keterlibatan mana yang paling berpengaruh terhadap kinerjaE-Learning telah merevolusi pendidikan, tetapi masih terdapat kesenjangan dalam memahami faktor keterlibatan mana yang paling berpengaruh terhadap kinerja
TRILOGITRILOGI Untuk memecahkan permasalahan ini, ilmu penelitian sistem informasi retreival bisa menjadi solusi, salah satu bagian dari ilmu sistem informasi retrievalUntuk memecahkan permasalahan ini, ilmu penelitian sistem informasi retreival bisa menjadi solusi, salah satu bagian dari ilmu sistem informasi retrieval
Useful /
PPSUNIYAPPPSUNIYAP Kesejahteraan dipahami secara non‑material, dengan mengedepankan keberkahan dan keharmonisan keluarga meskipun dalam kondisi penghasilan yang tidak menentu.Kesejahteraan dipahami secara non‑material, dengan mengedepankan keberkahan dan keharmonisan keluarga meskipun dalam kondisi penghasilan yang tidak menentu.
IDID Perancangan sistem informasi puskesmas berbasis website menggunakan metode waterfall berhasil menyelesaikan permasalahan dalam distribusi informasi. SistemPerancangan sistem informasi puskesmas berbasis website menggunakan metode waterfall berhasil menyelesaikan permasalahan dalam distribusi informasi. Sistem
IDID Integrasi ekstraksi multi-fitur dengan Logistic Regression memberikan keseimbangan antara akurasi dan efisiensi komputasi untuk deteksi dini api. KombinasiIntegrasi ekstraksi multi-fitur dengan Logistic Regression memberikan keseimbangan antara akurasi dan efisiensi komputasi untuk deteksi dini api. Kombinasi
PPSUNIYAPPPSUNIYAP Jika sebagian besar anggaran terbuang atau tidak tepat sasaran, dampak terhadap pengurangan kemiskinan akan minimal. Faktor eksternal seperti fluktuasiJika sebagian besar anggaran terbuang atau tidak tepat sasaran, dampak terhadap pengurangan kemiskinan akan minimal. Faktor eksternal seperti fluktuasi