Sistem Rekomendasi Pakaian Pada Aplikasi Outfithub Menggunakan Metode K-Nearest Neighbor - Dalam bentuk buku karya ilmiah

ARYA MAGHRIZAL PUTRA

Informasi Dasar

208 kali
24.04.447
794.81
Karya Ilmiah - Skripsi (S1) - Reference

Dunia fashion dan cara kita berinteraksi dengannya telah diubah oleh kemajuan teknologi informasi dan komunikasi. Aplikasi rekomendasi pakaian telah menjadi semakin umum, membantu orang memilih pakaian yang sesuai dengan gaya dan preferensi mereka. Penelitian ini menyarankan untuk menggunakan Metode KNN sebagai dasar untuk membangun sistem rekomendasi pakaian yang lebih cerdas dan personal. Untuk mengatasi kebutuhan yang terus meningkat akan rekomendasi pakaian yang akurat dan sesuai dengan preferensi pengguna, tujuan dari penelitian ini adalah untuk membuat sistem rekomendasi pakaian yang dapat membantu pengguna memilih dengan lebih tepat karena kemajuan teknologi telah memungkinkan untuk mengumpulkan dan memeriksa data pengguna dengan lebih teliti. Pada penelitian ini, sistem rekomendasi pakaian diimplementasikan dengan menggunakan Metode KNN. Kami menjalankan simulasi dengan mengatur nilai parameter K dataset pakaian dari 3 hingga 11. Hasil simulasi menunjukkan bahwa performa sistem mencapai puncaknya pada nilai parameter K=8. Kami mengukur akurasi, presisi, dan recall sistem pada nilai K ini untuk menilai kinerjanya. Hasilnya menunjukkan bahwa sistem rekomendasi pakaian menggunakan Metode KNN. Sistem rekomendasi pakaian berdasarkan Metode KNN dengan parameter K=8 terbukti berhasil mengklasifikasikan pakaian dengan akurasi sebesar 83,67%.

Subjek

KLASIFIKASI
 

Katalog

Sistem Rekomendasi Pakaian Pada Aplikasi Outfithub Menggunakan Metode K-Nearest Neighbor - Dalam bentuk buku karya ilmiah
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

ARYA MAGHRIZAL PUTRA
Perorangan
Muhamad Irsan, Muhammad Faris Fathoni
 

Penerbit

Universitas Telkom, S1 Teknologi Informasi
Bandung
2024

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini