Gambar 2.2 Decision Tree
2.5 Penelitian terdahulu
Di bagian ini akan dijabarkan beberapa penelitian terdahulu. Sistem rekomendasi telah banyak digunakan pada penelitian terdahulu. Seperti sistem rekomendasi pada bursa
telepon genggam 2008 yang menggunakan content-based filtering dan sistem rekomendasi untuk sistem informasi toko film digital 2007 menggunakan metode
user item.
Universitas Sumatera Utara
Untuk metode Hybrid-based filtering telah digunakan oleh 2010 pada sistem rekomendasi berita berbahasa indonesia yang menggunakan gabungan metode
clustering dan algoritma tf-dif. Kemudian digunakan juga oleh 2012 untuk
memperoleh rekomendasi minat bakat siswa yang menggunakan metode Association Rule
dan algoritma Apriori. Untuk lebih jelasnya, pada tabel 2.1 Berikut akan dijelaskan penelitian – penelitian yang telah dibuat sebelumnya.
Tabel 2.1
Penelitian terdahulu
No. Judul
Tahun Metode yang
digunakan Keterangan
1 Pembangunan
Perangkat Lunak Sistem Rekomendasi Bursa
Elektronis Telepon Genggam.
2008 content-based
filtering Kelemahan :
ketidakmampuan sistem memberikan rekomendasi
suatu informasi yang baru karena rekomendasi
berdasarkan data yang lalu. 2
Metode Analisis Rekomendasi Pada
Sistem Rekomendasi Contoh kasus
Pemanfaatan pada biro wisata
2009 knowledge-
based, utility based
user-based collaborative
filtering, item- based
collaborative filtering,
dan association rules
Berdasarkan kepuasan pelanggan user
satisfaction pemodelan
sistem rekomendasi memiliki domain dan
wilayahnya masing-masing dalam penyelesaian masalah
penentuan rekomendasi
Tabel 2.1 Penelitian terdahulu lanjutan
No. Judul
Tahun Metode yang
digunakan Keterangan
3 Model Sistem Informasi
Toko Film Digital Dengan Recommender
System 2007
Collaborative Filtering
metode user item
Keuntungan : dinamis dan sederhana dalam
perhitungan rekomendasi Kelemahan : masalah
skalabilitas dan sparsity
Universitas Sumatera Utara
akibat terlalu banyak item. 4
Studi Multi Criteria Decision Making
MCDM untuk Recommender System
Bursa Tenaga Kerja 2008
Multi Criterian Decision
Making MCDM
Kelebihan : metode sederhana dan sesuai,
permasalahan pemilihan alternatif yang jumlahnya
terbatas dan telah diketahui sebelumnya.
5 Implementasi Sistem
Rekomendasi Berita Berbahasa Indonesia
Berbasis Pilihan Personal Menggunakan
Algoritma Hybrid Filtering
2010 Algoritma
clustering dan
algoritma tf-dif Algoritma clustering
digunakan untuk klasifikasi berita
Keuntungan tf-dif : pemberian bobot pada term
sehingga dapat mengetahui term
yang sering muncul dalam dokumen secara
individu, namum jarang dijumpai pada dokumen lain
6 Sistem Rekomendasi
Bidang Minat Mahasiswa
menggunakan Metode Association Rule dan
Algoritma Apriori 2012
metode Association
Rule dan
algoritma Apriori
Aturan yang telah diinput sebelumnya menjadi acuan
rekomendasi terhadap minat user sehingga sistem dapat
memberika rekomendasi
Tabel 2.1 Penelitian terdahulu lanjutan
No. Judul
Tahun Metode yang
digunakan Keterangan
7 Perancangan Sistem
Pendukung Keputusan SPK untuk
menentukan 2010
Metode Decision tree
menggunakan algoritma ID3
Kelemahan ID3 : ketidakstabilan dalam
melakukan klasifikasi data apabila terjadi sedikit
Universitas Sumatera Utara
Kelaiklautan Kapal. perubahan pada data.
Kelebihan : dapat menganalisa fungsi target
yang bernilai diskrit 8
Penerapan Data Mining untuk menganalisa
kemungkinan pengunduran diri calon
mahasiswa bar 2011
Algoritma Decision tree
menggunakan algoritma ID3
ID3 merupakan algoritma dasar dalam decision tree
sehingga algoritma tersebut lebih mudah dimengerti dan
digunakan 9
Metode HYBRID Content dan
Collaborative based Nearest Neighbour
untuk sistem rekomendasi pariwisata
2011 Algoritma
Nearest Neighbor dan
algoritma Euclidean
Menanggulangi kelemahan dari motede hybridcontent
dan collaborative dengan
pendekatan baru yaitu Algoritma Nearest Neighbor
10 Sistem rekomendasi
pembelian mobil berbasis metode Neuro-
Fuzzy Classification -
metode Neuro- Fuzzy
Classification Penggabungan fuzzy logic
dengan neural network untuk menanggulangi
kekurangan dari rule fuzzy logic
11 Perbandingan metode
Nearest neigbor dan algoritma C.45 untuk
menganalisis kemungkinan
pengunduran diri calon mahasiswa di STMIK
Yogyakarta 2009
Algoritma Nearest
Neighbor dan
algoritma C4.5 Algoritma Nearest
Neighbor: tidak lebih akurat
dari C.45 tetapi pada saat pengklasifikasian data
algoritma C.45 membutuhkan waktu yang
lebih lama dan proses yang lebih panjang
Universitas Sumatera Utara
BAB III ANALISIS DAN PERANCANGAN
Dalam penelitian ini digunakan metode hybrid-approches yang menggabungkan dua
buah metode, yaitu metode content-based dan collaborative-based untuk Penggabungan dua buah metode ini dilakukan untuk mengatasi kelemahan dari
masing – masing metode tersebut. Selanjutnya akan dibahas tentang perancangan Data Flow Diagram
DFD dan perancangan alur kerja sistem flowchart pada sistem.
3.1 Data yang digunakan