<![CDATA[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.]]>
Copyrights © 2025
