Structured Query Language SQL
2.2.5.1 Collaborative Filtering
Salah satu teknik yang digunakan untuk membangun sistem rekomendasi adalah collaborative filtering. Collaborative filtering menggabungkan berbagai macam minat dan pendapat user yang biasanya dituangkan dalam bentuk rating untuk menghasilkan rekomendasi.2.2.5.2 Item-Based Collaborative Filtering
Item-based collaborative filtering memanfaatkan rating user atau data transaksi untuk membuat rekomendasi. Teknik ini akan mencari korelasi diantara item-item yang dipilih user gambar 2.3 kemudian merekomendasikan item-item yang berkolerasi itu pada user yang lain gambar 2.4. Gambar 2.3 Item-based CF User Merating item [9] Gambar 2.4 Item-based CF User Mendapatkan Rekomendasi dari Sistem [9] Pada awalnya, item-based collaborative filtering akan menghitung nilai kemiripan antara item yang satu dengan item yang lainnya berdasarkan rating yang diberikan oleh user. Nilai kemiripan antara dua item itu didapat dengan menghitung rating kedua item tersebut menggunakan rumus Adjusted-Cosine. Persamaan Adjusted Cosine : 2.1 Keterangan : sim i,j = Nilai kemiripan antara item i dengan item j u ϵ U = Himpunan user yang me-rating baik item i maupun item j Ru,i = Rating user u pada item i Ru,j = Rating user u pada item j = Nilai rating rata-rata user u Nilai yang dihasilkan oleh rumus adjusted cosine adalah antara -1.0 hingga +1.0. Jika nilai koefisien semakin mendekati -1 atau +1, maka hubungan antara kedua variabel itu akan semakin kuat. Jika nilai koefisiennya adalah 0, maka kedua variabel itu tidak ada hubungannya independen. Pada kasus collaborative filtering nilai koefisien lebih populer disebut similarity kemiripan. Jika nilai similarity antara kedua item mendekati +1, maka kedua item akan semakin mirip satu sama lain. Sebaliknya, jika mendekati -1, kedua item itu akan semakin bertolak belakang. Tahap berikutnya adalah menghitung nilai prediksi. Tahapan ini dilakukan untuk memperkirakan rating yang akan diberikan oleh seorang user pada suatu item yang belum pernah dirating oleh user itu. Penghitungan prediksi menggunakan rumus weighted sum. Persamaan weighted sum: 2.2Parts
» Pembangunan aplikasi e-commerce pada Distro Greese Premium
» Latar Belakang Masalah PENDAHULUAN
» Perumusan Masalah Maksud dan Tujuan Batasan Masalah
» Metode Pengumpulan Data Metodologi Penelitian
» Metode Pengembangan Perangkat Lunak
» PENDAHULUAN ANALISIS DAN PERANCANGAN SISTEM
» IMPLEMENTASI DAN PENGUJIAN KESIMPULAN DAN SARAN
» Sejarah Perusahaan Struktur Organisasi Perusahaan
» Kerangka Dasar E-Commerce E-Commerce
» Ruang Lingkup E-Commerce Manfaat E-Commerce
» Layanan Aplikasi Internet Internet
» Konsep Dasar Basis Data Database Management System DBMS
» Structured Query Language SQL
» Entitity Relationship Diagram ERD Kamus Data
» Collaborative Filtering Item-Based Collaborative Filtering
» Karakteristik Item-Based Collaborative Filtering
» Bahasa Pemrograman yang Digunakan dalam Pembuatan Aplikasi
» Perangkat Lunak yang Digunakan dalam Pembuatan Aplikasi
» Analisis Masalah Analisis Sistem
» Prosedur Penjualan Produk Analisis Sistem yang Sedang Berjalan
» Prosedur Pengadaan Produk Analisis Sistem yang Sedang Berjalan
» Prosedur Pembuatan Laporan Penjualan Harian Prosedur Pengembalian Produk Retur
» Analisis Dokumen Analisis Sistem yang Sedang Berjalan
» Analisis Fitur Smart Recommendation System
» Analisis Pengguna Analisis Kebutuhan Non Fungsional
» Analisis Perangkat Keras Analisis Kebutuhan Non Fungsional
» Analisis Perangkat Lunak Analisis Kebutuhan Non Fungsional
» Analisis Komunikasi Analisis Kebutuhan Non Fungsional
» Analisis Security Analisis Kebutuhan Non Fungsional
» Analisis SEO Search Engine Optimization
» Analisis Pembayaran Analisis Pengiriman Aturan Bisnis Sistem yang Akan Dibangun
» Analisis Basis Data Analisis Sistem
» jenispengiriman id_jenispengiriman, id_jasapengiriman, nama, deskripsi, id_petugas
» DFD Level 1 Pembangunan aplikasi e-commerce pada Distro Greese Premium
» DFD Level 2 Proses 1 Login DFD Level 2 Proses 2 Pendaftaran Member
» DFD Level 2 Proses 3 Pengolahan Data User
» DFD Level 2 Proses 5 Pengolahan Menu Member
» DFD Level 2 Proses 6 Pengolahan Data Master
» DFD Level 2 Proses 9 Pengolahan Data Transaksi
» DFD Level 3 Proses 3.1 Pengaturan Profile
» DFD Level 3 Proses 5.1 Pemesanan
» DFD Level 3 Proses 6.1 Pengolahan Data Master Admin
» DFD Level 3 Proses 6.2 Pengolahan Data Master Gudang
» DFD Level 3 Proses 8.1 Pengolahan Data Pesanan DFD Level 3 Proses 8.2 Pengolahan Data Retur
» DFD Level 4 Proses 6.1.1 Pengolahan Data Propinsi
» DFD Level 4 Proses 6.1.5 Pengolahan Data Ongkos Kirim
» DFD Level 4 Proses 6.1.6 Pengolahan Data Rekening
» DFD Level 4 Proses 6.1.7 Pengolahan Data Tanggal Merah
» DFD Level 4 Proses 6.2.2 Pengolahan Data Subkategori
» DFD Level 4 Proses 6.2.4 Pengolahan Data Ukuran
» DFD Level 4 Proses 6.2.6 Pengolahan Data Warna Favourite
» DFD Level 4 Proses 6.2.7 Pengolahan Data Produk
» Implementasi Perangkat Lunak Implementasi Perangkat Keras
» Implementasi Basis Data Implementasi Sistem
» Implementasi Antarmuka Pengunjung dan Member Implementasi Antarmuka Admin
» Implementasi Antarmuka Bagian Gudang
» Rencana Pengujian Alpha Skenario Pengujian Alpha
» Hasil Pengujian Alpha Pengujian Alpha
» Pengujian Data Bagian Gudang
Show more