IMPLEMENTASI DAN ANALISIS ALGORITME CLUSTERING DBSCAN PADA SISTEM REKOMENDASI ITEM-BASED COLLABORATIVE FILTERING

Penulis

Sheptiani Putri P

Pembimbing: Moh. Edi Wibowo, M.Kom., Ph.D.,


ABSTRACT: The Growth of volume and diversity of information which is very rapidly in internet site today makes users harder to find a relevant information. Therefore, it is need an appropriate system to solve this problem, that system is recommendation system. These recommendations system are implemented by using one of algorithms which is item-based collaborative filtering that able to recommend data based on prediction of similar value between items. One way to improve the quality of the recommendation is by implementing clustering methods for grouping data. In this study DBSCAN clustering algorithm is applied to e-commerce datasets from www.expedia.com. After the clustering process, datasets are processed by a recommendation system using item-based collaborative filtering. The result of this recommendation are then calculated the number of recommendations and Mean absolute error which is an evaluation parameter. The results of this evaluation will be compared with the results on the system without clustering. DBSCAN clustering algorithm implementation decrease the percentage of the number of recommendations with the value of average decrease 10.763%. Decreasing percentage does occur in an overall increase in the value of epsilon and the minimum number of clustering points based on the composition of the data that used in the experiment. DBSCAN clustering algorithm implementation improve prediction accuracy with an average decrease in value of Mean absolute error of 0.0907. DBSCAN clustering algorithm implementation decrease efficiency in the process of recommendation with an average enhancement of the time amounted to 0.28769 in seconds.

INTISARI: Pertumbuhan volume dan keberagaman informasi yang sangat pesat pada situs internet dewasa ini membuat pengguna semakin sulit menemukan informasi yang relevan. Untuk itu dibutuhkan sistem yang tepat untuk mengatasi permasalahan ini salah satunya dengan sistem rekomendasi. Sistem rekomendasi yang ada diterapkan menggunakan algoritme salah satunya item-based collaborative filtering yang mampu memberikan rekomendasi data berdasarkan prediksi dari nilai kemiripan antar item. Salah satu upaya dalam meningkatkan kualitas rekomendasi yaitu dengan diterapkan metode clustering untuk pengelompokkan data. Pada penelitian ini algoritme clustering DBSCAN diterapkan pada dataset e-commerce www.expedia.com. Setelah proses clustering, dataset kemudian diproses oleh sistem rekomendasi menggunakan item-based collaborative filtering. Hasil rekomendasi ini kemudian dihitung jumlah rekomendasi dan Mean absolute error yang merupakan parameter evaluasi. Hasil evaluasi ini yang dibandingkan dengan hasil rekomendasi sistem tanpa clustering. Implementasi algoritme clustering DBSCAN menurunkan presentase jumlah rekomendasi dengan rata-rata penurunan sebesar 10.763%. Penurunan presentase terjadi pada seluruh peningkatan nilai epsilon maupun jumlah titik minimum berdasarkan komposisi data yang digunakan pada eksperimen. Implementasi algoritme clustering DBSCAN meningkatkan akurasi prediksi dengan rata-rata penurunan nilai Mean absolute error sebesar 0.0907. Implementasi algoritme clustering DBSCAN mengurangi efisiensi dalam proses rekomendasi dengan rata-rata peningkatan waktu yang dibutuhkan sebesar 0.28769 detik dalam satuan detik.

Kata kunci Sistem rekomendasi, collaborative filtering, clustering, DBSCAN.
Program Studi S1 ILMU KOMPUTER UGM
No Inventaris
Deskripsi
Bahasa Indonesia
Jenis Skripsi
Penerbit [Yogyakarta] : Universitas Gadjah Mada, 2016
Lokasi Perpustakaan Pusat UGM
File Tulisan Lengkap dapat Dibaca di Ruang Tesis/Disertasi
  • Anda dapat mengecek ketersediaan versi cetak dari penelitian ini melalui petugas kami dengan mencatat nomor inventaris di atas (apabila ada)
  • Ketentuan Layanan:
    1. Pemustaka diperkenankan mengkopi cover, abstrak, daftar isi, bab pendahuluan, bab penutup/ kesimpulan, daftar pusatak
    2. Tidak diperbolehkan mengkopi Bab Tinjauan Pustaka, Bab Pembahasan dan Lampiran (data perusahaan/ lembaga tempat penelitian)
    3. Mengisi surat pernyataan, menyertakakan FC kartu identitas yang berlaku

<< kembali