Penggunaan Inkremental Dekomposisi Nilai Singular Pada Sistem Rekomendasi

HANA LUTFIATUN N, Prof. Dr. Dra. Sri wahyuni, S. U.

2022 | Skripsi | S1 MATEMATIKA

Dekomposisi Nilai Singular (SVD) matriks A adalah pemfaktoran suatu matriks A menjadi perkalian tiga matriks A = USVT dengan matriks U dan V merupakan matriks yang otonormal dan matriks S adalah matriks diagonal dengan entri bilangan real positif. Salah satu manfaat SVD adalah dapat mereduksi matriks yang digunakan untuk sistem rekomendasi. Sistem rekomendasi digunakan untuk memberikan suatu rekomendasi bagi pengguna (user) untuk mene Mukha n preferensi yang sesuai dalam hal ketertarikan pada suatu barang (item). Akan tetapi, dengan adanya pertumbuhan data yang masif, SVD yang digunakan untuk mereduksi matriks pada sistem rekomendasi menjadi kurang efektif. Untuk itu, skripsi ini akan membahas mengenai suatu bentuk baru dari SVD yaitu inkremental SVD, sebagai metode untuk mengatasi kekurangan SVD yang digunakan pada sistem rekomendasi.

Singular Value Decomposition (SVD) of matrix A is the decomposition of matrix A into the product of three matrices A = USVT where coloumns of matrix U and V are othonormal and matrix S is a diagonal matrix. The SVD is useful to solved many problem, one of them is reducing matrix on recommender system data. The recommender system is used to recommending some item to users based on their personal preference. However, with the massive data growth, the SVD used to reduce the matrix in the recommendation system becomes less effective. For this reason, this thesis will discuss a new form of SVD, namely incremental SVD, as a method to overcome the shortcomings of SVD used in the recommendation system.

Kata Kunci : Dekomposisi Nilai Singular, Sistem rekomendasi