Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Bagus Arviyanto, Fitra
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

 1 
Sistem Rekomendasi Model Sandal Pada Home Industri Menggunakan Collaborative Filtering dan Algoritma Matrix Factorization. Bagus Arviyanto, Fitra; Andy Soebroto, Arief
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem rekomendasi memainkan peran penting dalam membantu pengguna menemukan item yang relevan di tengah volume data yang terus bertambah. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi berbasis collaborative filtering menggunakan algoritma matrix factorization dengan memanfaatkan dataset berupa rating yang diberikan oleh pengguna pada berbagai model sandal. Evaluasi kinerja sistem dilakukan dengan menghitung nilai loss pada data latih dan data uji untuk mengukur akurasi prediksi serta kemampuan generalisasi model. Dalam penelitian ini, algoritma matrix factorization diterapkan untuk memetakan hubungan antara pengguna dan model sandal ke dalam dimensi laten. Proses pelatihan model dilakukan dengan optimasi fungsi loss berbasis mean squared error (MSE), menggunakan parameter seperti jumlah epoch, learning rate, faktor laten, dan optimizer berbasis stochastic gradient descent (SGD). Hasil eksperimen menunjukkan bahwa algoritma matrix factorization menghasilkan nilai data tes loss final sebesar 0.057115 dan nilai data tes loss final sebesar 0.095439, yang mencerminkan kemampuan generalisasi yang baik tanpa overfitting. Kombinasi optimal dari parameter yang digunakan meliputi learning rate sebesar 0,01, faktor laten sebanyak 10, dan jumlah epoch sebanyak 100. Sistem rekomendasi yang dikembangkan berhasil memberikan prediksi model sandal yang relevan berdasarkan pola preferensi pengguna.
Co-Authors Andy Soebroto, Arief