4. Rekomendasi User masuk ke sistem, kemudian sistem akan menampilkan daftar judul berdasarkan
tanggal dibuat secara default. User bisa memilih untuk menampilkan urutan artikel berdasarkan jumlah komentar, rating atau jumlah view. User kemudian memilih salah
satu judul artikel untuk dibaca. Memberikan rating terhadap artikel tersebut, dan Algoritma Slope One akan bekerja untuk meng-generate rekomendasi.
Gambar 3.13. Activity Diagram Rekomendasi
3.3 Perancangan Interface
3.3.1 Struktur Menu Struktur menu dibuat untuk memberikan kemudahan dalam pembangunan sistem.
Menu ini akan digunakan sebagai navigasi untuk membantu pengguna menggunakan sistem.
MENU UTAMA
HOME ARTIKEL
PENCARIAN REGISTER
LOGIN LOGOUT
Gambar 3.14. Struktur Menu
3.3.2 Perancangan Tampilan a. Halaman utama
Pada halaman utama, akan ditampilkan daftar judul berita terbaru, artikel berdasarkan jumlah komentar dan berdasarkan rating rata-rata. Di sebelah kanan
ada kolom rekomendasi untuk menampilkan rekomendasi dan juga menampilkan daftar artikel yang terakhir dikomentari.
Gambar 3.15. Halaman depan
b. Halaman Register Pada halaman register, user yang non-member melakukan registrasi untuk menjadi
member dengan melakukan pengisian terhadap form register secara tepat.
Gambar 3.16. Register
c. Halaman Login Pada halaman login, user yang sudah terdaftar melakukan login untuk ke dalam
sistem dengan memasukkan username dan password yang valid.
Gambar 3.16. Login
d. Halaman Artikel, Rating dan Rekomendasi.
Gambar 3.17. Halaman isi artikel
3.4 Proses Algoritma Slope One
Algoritma Slope One merupakan salah satu algoritma yang digunakan dalam metode collaborative filtering, yang diperkenalkan dalam sebuah karya tulis oleh
Daniel Lemire dan Anna Maclachlan pada tahun 2005. Algoritma Slope One digunakan untuk mengurangi overfitting, meningkatkan kinerja dan implementasi
yang lebih mudah. Slope One didasarkan pada “popularity differential” yang dihitung
dengan mengurangkan rating rata-rata dari dua buah itemLemire dan McGrath, 2005.
Algoritma Slope One memiliki persamaan seperti berikut:
Dimana C
ij
dalam persamaan tersebut adalah jumlah pengguna yang memberikan rate terhadap item i dan item j. Semakin besar nilai C
ij
, maka hasil prediksi r
uj
+ dev
ij
semakin akurat. Contoh:
Tabel 3.2. Contoh Algoritma Slope One
Item 1 Item 2
Item 3 item 4
User 1 3
4 x
3
User 2
2 3
2 y
User 3
z 3
5 1
x = x =
x = 164 = 4
Prediksi rating User 1 terhadap Item 3 adalah 4.
y = y =
y=34 = 0.75
Prediksi rating User 2 terhadap Item 4 adalah 0.75.
z = z =
z = 104 = 2.5
Prediksi rating User 3 terhadap Item 1 adalah 2.5.
3.4.1. Flowchart Algoritma Slope One
START
Tampilkan konten
Sudah di- rating?
Update Rating
Buat Rating Y
N Simpan Nilai
Rating
Cari konten i yang belum di-rating oleh user, dan sudah di-rating oleh pengguna
lain
Cari konten j yang di- rating oleh semua user
Hitung rata-rata selisih rating
antara I dan j.
Tambahkan selisih dengan konten j
terhadap user u. Urutkan nilai dari
tertinggi ke rendah sebagai hasil
rekomendasi. SELESAI
Gambar 3.18. Flowchart Algoritma Slope One
BAB 4
IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1 Implementasi Sistem
