<![CDATA[Sistem Rekomendasi atau Recommender System, bertujuan untuk membantu user dengan cara memberikan rekomendasi kepada user ketika dihadapkan dengan jumlah informasi yang besar. Rekomendasi yang diberikan diharapkan dapat membantu user dalam proses pengambilan keputusan, seperti buku apa yang akan dibaca. Dengan adanya rekomendasi yang tepat, user akan memiliki preferensi tambahan ketika mencari buku. Dalam pengerjaan Tugas Akhir ini, penulis menggunakan Tags and Latent Factors yang merupakan algoritma tambahan pada metode Matrix Factorization yang membantu sistem rekomendasi dalam meningkatkan akurasi prediksi sehingga mampu menebak minat user dan mampu memberikan rekomendasi. Tags berfungsi sebagai jembatan yang memungkinkan user untuk lebih memahami hubungan yang tidak diketahui antara item dan user itu sendiri, sedangkan latent factors bertujuan untuk membentuk kesamaan antara user dan item dimana kesamaan ini berupa antar user yang tertarik atau menyukai item yang sama. Pada Tugas akhir ini akan dilakukan skenario pengujian dimana nilai dari hasil pengujian akan menjadi parameter akurat atau tidaknya sebuah sistem dengan menggunakan Mean Absolute Error (MAE) . Diberikan 3 buah skenario pengujian dengan menggunakan 3 jenis dan jumlah data berbeda dan didapatkan 3 nilai hasil pengujian akhir dengan nilai masing-masing 0.41, 0.38, dan 0.38 dimana 3 nilai tersebut memiliki selisih yang tidak terlalu besar. Dan dapat disimpulkan bahwa Tags and Latent Factors dapat digunakan untuk memberikan rekomendasi pada buku. Kata kunci: recommender system, matrix factorization, tags and tatent factors]]>
Copyrights © 2017
