Metode yang dipakai untuk mengembangkan sistem yang dipakai adalah pendekatan content-based filtering dengan pengukuran
kemiripan measuring similarity antara profil item dan profil user menggunakan algoritma cosine similarity.
c. Evaluasi sistem
Metode evaluasi dilakukan dengan menghitung nilai precision. Nilai precision inilah yang menentukan berhasil atau tidaknya sistem yang
dibangun dengan metode content-based filtering ini dan implementasi vector space model.
1.6 Sistematika Penulisan
Sistematika penulisan tugas akhir ini dengan susunan sebagai berikut :
Bab 1 Pendahuluan
Pada bagian ini berisi tentang penjelasan latar belakang masalah, perumusan masalah, batasan masalah, tujuan, hingga teknik penulisan yaitu
metodologi penelitian, dan sistematika penulisan.
Bab 2 Landasan Teori
Pada bagian ini berisi tentang prinsip-prinsip dasar recommender system, content based filtering, pengertian mobile application.
Bab 3 Analisa Sistem dan Perancangan Sistem
Pada bagian ini berisi tentang sistem yang akan dibuat serta langkah- langkah dan metode yang akan digunakan dalam pembuatan sistem tersebut.
Bab 4 Implementasi dan Analisis Sistem
Pada bagian ini akan berisi mengenai pembuatan sistem dan cara kerja sistem serta analisa dari sistem yang telah dibuat.
Bab 5 Penutup
Pada bagian ini akan berisi tentang kesimpulan dari keseluruhan pembuatan sistem dan saran untuk pengembangan sistem ke depan.
7
BAB 2 LANDASAN TEORI
2.1 Pengertian Sistem Rekomendasi
Sistem Rekomendasi atau disebut juga Recommender system merupakan sebuah sistem yang menyarankan informasi yang berguna.
Sistem rekomendasi juga dapat menduga apa yang akan dilakukan pengguna untuk mencapai tujuannya, misalnya seperti memilih produk tertentu.
Seperti yang disebutkan oleh Paul Resnick dan Hal R. Varian dalam jurnalnya, recommender system membantu dan meningkatkan proses seleksi
alam. Suatu yang khas dalam sistem rekomendasi adalah orang memberikan rekomendasi sebagai masukan, kemudian sistem mengagregasikan dan
mengarahkan agar sesuai dengan si penerima. Dalam beberapa kasus, transformasi utama ada di dalam proses agregasi. Kasus lainnya nilai sistem
terletak pada kemampuannya untuk mencocokkan dua hal yaitu bagian yang dijadikan rekomendasi, dan yang mencari rekomendasi secara baik.
Tugas inti dari recommender system adalah untuk memprediksikan evaluasi subyektif yang akan diberikan pengguna terhadap item. Prediksi ini
dihitung menggunakan sejumlah model prediktif yang memiliki karakteristik umum, yaitu mengeksploitasi evaluasi atau penilaian yang
diberikan oleh pengguna untuk transaksi yang sebelumnya telah dilihat. Berdasarkan teknik prediksi tertentu yang sedang digunakan, recommender
