METODE ITEM-BASED COLLABORATIVE FILTERING UNTUK MODEL SISTEM REKOMENDASI KONSENTRASI PENJURUSAN DI STMIK STIKOM BALI

I Wayan Jepriana, Shofwan Hanief

Abstract


ABSTRACT
Concentration selection is a process carried out by STMIK STIKOM Bali students to determine the focus of the specialization of the field to be studied. To take concentration three prerequisite courses are used as a reference whether a student can take a particular concentration. The necessity for students to choose one concentration, while the value of the prerequisite courses is sufficient to choose more than one concentration is often a problem for students. Collaborative Filtering (CF) is a widely used and probably the most common recommendation system technique. In this research, a recommendation system was developed using the item-based collaborative filtering method for the selection of concentrations at STMIK STIKOM Bali. The item-based collaborative filtering method is used because it has the same concept as the current concentration recommendations. Basic courses, prerequisite courses, and concentration courses can be used as items and students who take a course can be used as users in item-based collaborative filtering methods. The evaluation was carried out on the variation of the number of neighborhoods on three similarity measurement methods, namely: cosine similarity, Pearson correlation, and adjusted cosine similarity for student data of Program Studi Sistem Komputer and Program Studi Sistem Informasi. Based on the tests that have been done, it can be concluded that the adjusted cosine similarity measurement method can produce the best predictive quality overall testing based on the generated MAE value. The number of neighborhoods or subjects that have a significant effect on making predictions is 20 because it can produce the lowest prediction errors. After comparing the system models using the similarity measurement method adjusted cosine similarity by using the number of neighborhoods 20 against the predictions produced by the prerequisite courses, it can be concluded that the predictions produced by the 20 neighborhoods are better than the predictions produced by the prerequisite courses.
Keywords: recommendation system, concentration, item-based collaborative filtering
ABSTRAK
Pemilihan konsentrasi merupakan suatu proses yang dilakukan oleh mahasiswa STMIK STIKOM Bali untuk menentukan fokus spesialisasi bidang yang ingin dipelajari. Untuk mengambil konsentrasi terdapat tiga mata kuliah prasyarat yang dijadikan acuan apakah seorang mahasiswa bisa mengambil suatu konsentrasi tertentu. Keharusan agar mahasiswa memilih salah satu konsentrasi, sementara nilai dari mata kuliah prasyarat mencukupi untuk memilih lebih dari satu konsentrasi sering menjadi permasalahan bagi mahasiswa. Collaborative filtering memanfaatkan informasi rating dari beberapa pengguna untuk memprediksi rating item untuk pengguna tertentu. Pada penelitian ini dilakukan pengembangan sistem rekomendasi dengan metode item-based collaborative filtering untuk pemilihan konsentrasi penjurusan di STMIK STIKOM Bali. Metode item-based collaborative filtering dipilih karena memiliki konsep yang sama dengan rekomendasi konsentrasi yang berlaku. Mata kuliah dasar, mata kuliah prasyarat dan mata kuliah konsentrasi dapat digunakan sebagai item dan mahasiswa yang mengambil suatu mata kuliah dapat digunakan sebagai user dalam metode item-based collaborative filtering. Evaluasi dilakukan terhadap variasi jumlah neighborhood pada tiga metode pengukur kemiripan, yaitu: cosine similarity, pearson correlation, dan adjusted cosine similarity untuk data mahasiswa Program Studi Sistem Komputer dan Program Studi Sistem Informasi. Berdasarkan pengujian yang telah dilakukan, dapat disimpulkan bahwa metode pengukur kemiripan adjusted cosine similarity dapat menghasilkan kualitas prediksi yang terbaik secara keseluruhan pengujian berdasarkan galat prediksi yang dihasilkan. Jumlah neighborhood atau matakuliah yang berpengaruh signifikan untuk membuat prediksi adalah 20, karena dapat menghasilkan galat prediksi paling rendah. Setelah dilakukan perbandingan antara model sistem yang menggunakan metode pengukur kemiripan adjusted cosine similarity dengan menggunakan jumlah neighborhood 20 terhadap prediksi yang dihasilkan oleh mata kuliah prasyarat dapat disimpulkan bahwa prediksi yang dihasilkan 20 neighborhood lebih baik dari prediksi yang dihasilkan mata kuliah prasyarat.
Kata kunci : sistem rekomendasi, konsentrasi, item-based collaborative filtering

Full Text:

PDF

Refbacks

  • There are currently no refbacks.


View My Stats

 P-ISSN : 2442-241X      E-ISSN : 2528-5211