Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Satrio, Rafli Banu
Unknown Affiliation
Computer Science & IT Education

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

Found 1 Documents
Search

 1 
OPTIMALISASI PENANGANAN SPARSITY MENGGUNAKAN RANDOM FOREST, DEEP LEANING, DAN HOT-DECK IMPUTATION Lestari, Sri; Satrio, Rafli Banu; Kurniawan, Hendra; Saleh, Sushanty
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7692

Abstract

Sparsity data dalam sistem rekomendasi dapat menurunkan akurasi prediksi dan relevansi saran. Penelitian ini membandingkan tiga metode imputasi—Random Forest Imputation, Deep Learning-Based Imputa-tion, dan Hot-Deck Imputation—dengan evaluasi menggunakan RMSE pada berbagai tingkat sparsitas. Hasil menunjukkan bahwa Random Forest Imputation consistently menghasilkan RMSE terendah di semua kondisi. Pada sparsitas 20%, metode ini lebih unggul dibandingkan Deep Learning-Based Imputation dengan selisih hingga 0.443 dan Hot-Deck Imputation hingga 0.338. Perbedaan RMSE se-makin meningkat seiring bertambahnya sparsitas, dengan selisih terbesar pada sparsitas tertinggi masing-masing dataset. Secara kese-luruhan, Random Forest Imputation terbukti paling efektif dalam me-nangani sparsitas dan meningkatkan akurasi rekomendasi.
Co-Authors Hendra Kurniawan Sri Lestari Sushanty Saleh