Informasi Umum

Kode

22.04.3437

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine - Learning, Machine Engineering,

Informasi Lainnya

Abstraksi

<p>Saat ini pengguna dapat mendengarkan musik kapan saja secara digital dan dapat mengakses melalui aplikasi yang sudah tersedia. Dengan demikian dibutuhkan sistem pemberi rekomendasi musik untuk membantu pengguna dalam memilih musik sesuai minat dan menemukan musik yang akan didengar. <em>K-Nearest Neighbor (KNN)</em> adalah algoritma yang populer digunakan dalam <em>Collaborative Filtering (CF)</em>. Dalam banyak penelitian, <em>CF </em>dengan metode <em>KNN</em> sudah banyak digunakan, namun kurang memberikan kinerja yang baik. Dengan demikian, pada penelitian ini kami menggunakan <em>KNN</em> yang akan dioptimasi menggunakan <em>Particle Swarm </em><em>Optimization (PSO) </em>yang mana dapat meningkatkan performansi hasil yang didapatkan terhadap metode yang digunakan. Pengujian sistem dilakukan dengan membandingkan performasi antara algoritma KNN dengan hasil optimasi KNN-PSO dengan beberapa variabel yang diamati diantaranya nilai <em>Mean Squared Error (MSE)</em> dan <em>Root Mean Squared Error (RMSE)</em>. Hasil rekomendasi tersebut akan di prediksi nilai rating dimana metode <em>KNN</em> memeberikan nilai <em>MSE</em> 0.07 dan <em>RMSE</em> 0.27 sementara metode <em>KNN-PSO</em> meberikan nilai <em>MSE</em> 0.04 dan <em>RMSE</em> 0.20.Saat ini pengguna dapat mendengarkan musik kapan saja secara digital dan dapat mengakses melalui aplikasi yang sudah tersedia. Dengan demikian dibutuhkan sistem pemberi rekomendasi musik untuk membantu pengguna dalam memilih musik sesuai minat dan menemukan musik yang akan didengar. <em>K-Nearest Neighbor (KNN)</em> adalah algoritma yang populer digunakan dalam <em>Collaborative Filtering (CF)</em>. Dalam banyak penelitian, <em>CF </em>dengan metode <em>KNN</em> sudah banyak digunakan, namun kurang memberikan kinerja yang baik. Dengan demikian, pada penelitian ini kami menggunakan <em>KNN</em> yang akan dioptimasi menggunakan <em>Particle Swarm </em><em>Optimization (PSO) </em>yang mana dapat meningkatkan performansi hasil yang didapatkan terhadap metode yang digunakan. Pengujian sistem dilakukan dengan membandingkan performasi antara algoritma KNN dengan hasil optimasi KNN-PSO dengan beberapa variabel yang diamati diantaranya nilai <em>Mean Squared Error (MSE)</em> dan <em>Root Mean Squared Error (RMSE)</em>. Hasil rekomendasi tersebut akan di prediksi nilai rating dimana metode <em>KNN</em> memeberikan nilai <em>MSE</em> 0.07 dan <em>RMSE</em> 0.27 sementara metode <em>KNN-PSO</em> meberikan nilai <em>MSE</em> 0.04 dan <em>RMSE</em> 0.20.</p>

  • CII4H3 - SISTEM PEMBERI REKOMENDASI

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Anda harus log in untuk mengakses flippingbook

Pengarang

Nama RANDIKA DWI MAULANA RASYID
Jenis Perorangan
Penyunting Z K Abdurahman Baizal
Penerjemah

Penerbit

Nama Universitas Telkom, S1 Informatika
Kota Bandung
Tahun 2022

Sirkulasi

Harga sewa IDR 0,00
Denda harian IDR 0,00
Jenis Non-Sirkulasi