PENGGUNAAN DEKOMPOSISI NILAI SINGULAR PADA MODEL FAKTOR LATEN

FANDO WILDAN ASHARI, Sri Wahyuni, S.U., Dr., Prof.

2021 | Skripsi | S1 MATEMATIKA

Pada skripsi ini akan dibahas mengenai sistem rekomendator yang menggunakan dekomposisi nilai singular. Sistem rekomendator digunakan untuk menyelesaikan permasalahan real berupa memberikan rekomendasi suatu produk yang tepat bagi konsumen yang tepat. Rekomendasi yang tepat akan meningkatkan peforma dari pemasaran sehingga memberikan manfaat lebih baik untuk pelaku bisnis, baik penjual maupun konsumen. Jenis sistem rekomendator yang digunakan adalah penyaringan kolaboratif dikarenakan jenis tersebut memanfaatkan data kolektif inter-aksi antara konsumen dan produk. Kemudian, dari data kolektif tersebut dilakukan penggalian data, yaitu pemahaman mengenai pola, perilaku, dan pengambilan informasi dari data. Permasalahan yang dihadapi kemudian adalah kejarangan data dan keterbatasan data. Selanjutnya, akan digunakan metode model faktor laten. Metode ini memanfaatkan dekomposisi nilai singular untuk mengisi data yang kosong sehingga masalah kejarangan dan keterbatasan data dapat dituntaskan. Implementasi dari metode ini digunakan pada data MovieLens yang memuat 100.000 data.

This Undergraduate Thesis will discuss about Recommendation System that uses Singular Value Decomposition. The Recommendation System is used to solve real problems in the form of providing recommendations for the right product for the right consumer. The right recommendations will increase the performance of marketing so that it provides better benefits for business people, both sellers and consumers. The type of recommendation system used is Collaborative Screening because it makes use of collective data on interactions between consumers and products. Then from the collective data, data mining is carried out, namely an understanding of patterns, behavior and information retrieval from the data. The problems faced later were data sparsity and data limitations. Furthermore, the Latent Factor Model method will be used. This method utilizes Singular Value Decomposition to fill in the blank data so that the problem of rarity and data limitations can be resolved. The implementation of this method is used for MovieLens data which contains 100,000 data.

Kata Kunci : Aljabar Linear, Model Faktor Laten