1. Home
  2. Teknologi

Data Flow Diagram DFD Unified Modelling Language UML Penelitian Terdahulu

lunak yang menyimpan struktur database, hubungan antardata dalam database, serta berbagai formulir laporan yang berkaitan dengan database tersebut.

2.9. Data Flow Diagram DFD

Dengan adanya konsep pemrograman terstruktur di dalam pembangunan software, developer dimudahkan dalam membagi-bagi fungsi, prosedur, dan modul program yang dibangun. Dalam konsep pemrograman terstruktur dikenal metode DFD Data Flow Diagram. DFD adalah sebuah metode yang digunakan untuk merepresentasikan sebuah sistem atau perangkat lunak pada beberapa level detail. DFD lebih sesuai untuk memodelkan fungsi-fungsi dan prosedur-prosedur pada pemrograman sistem yang terstruktur Structural Programming Rosa et al, 2011.

2.10. Unified Modelling Language UML

Untuk membantu dalam pengembangan perangkat lunak dikenal istilah pemodelan. Salah satu pemodelan yang saat ini paling banyak digunakan oleh pengembang perangkat lunak adalah UML Unified Modelling Language. UML adalah standar bahasa yang sering digunakan dalam bidang industri untuk mendefinisikan requirement kebutuhan, membuat analisis dan desain, serta menggambarkan arsitektur dalam pemrograman berorientasi objek. Ada beberapa hal yang dimaksud dalam kompleksitas pada perangkat lunak Rosa et al, 2011: 1. Kompleksitas domain atau permasalahan perangkat lunak 2. Kesulitas mengelola proses pengembangan perangkat lunak 3. Kemungkinan fleksibilitas perubahan perangkat lunak 4. Permasalahan karakteristik bagian-bagian perangkat lunak secara diskrit UML terbagi atas 3 tiga kategori, yaitu diagram struktur structure diagram, diagram kelakuan sistem behaviour diagram, dan diagram interaksi interaction diagramRosa, et al. 2011. Universitas Sumatera Utara

2.11. Penelitian Terdahulu

Sistem rekomendasi telah ada semenjak awal tahun 1990. Berbagai penelitian telah dilakukan untuk menyempurnakan, menggabungkan, dan bahkan menemukan teknik rekomendasi baru untuk mengatasi permasalahan di dalam sistem rekomendasi yang terus berkembang. Penulis menggunakan penelitian yang telah dibuat sebelumnya sebagai rujukan maupun pertimbangan algoritma dan metode yang tepat untuk digunakan di dalam permasalahan penelitian ini. Penulis menggunakan beberapa metode baru yang sedang berkembang. Beberapa penelitian terdahulu di bidang sistem rekomendasi yang penulis gunakan, diantaranya : Hayati 2012 menggunakan metode hybrid content based dan collaborative filtering dengan algoritma k-Nearest Neighbor pada sistem rekomendasi pariwisata. Hayati menggunakan kombinasi sekuensial untuk menggabungkan kedua metode tersebut. Uluyagmur et al 2012 telah menggunakan metode content based dengan menggunakan fitur set yang berbeda different feature set di dalam sistem rekomendasi film. Uluyagmur et al membangun profil pengguna, yang berupa bobot terhadap masing-masing attribut yang ada, untuk mengukur ketertarikan pengguna terhadap masing-masing attribut di dalam item. Claypool et al 1999 menggunakan teknik linear combination untuk menggabungkan teknik content based dengan collaborative filtering di dalam sistem rekomendasi berita online. Adomavicius dan Kwon 2007 melakukan penelitian di bidang sistem rekomendasi dengan multi-criteria rating. Adomavicius mengatakan bahwa terdapat dua buah solusi permasalahan sistem rekomendasi dengan multi-criteria rating, yaitu similiarity based approach dan aggregation function based approach. Jannach et al 2012 melakukan penelitian berupa perbandingan antara beberapa metode penyelesaian sistem rekomendasi dengan multi-criteria rating. Aggregation function based approach merupakan salah satu metode yang berhasil diimplementasikan dan mampu menghasilkan rekomendasi yang lebih akurat dibandingkan dengan metode lainnya. Universitas Sumatera Utara Tabel 2.5 Penelitian Terdahulu Peneliti Metode Kasus Tahun Penelitian Hayati Hybrid Content Based dan Collaborative Sistem Rekomendasi Pariwisata 2012 Uluyagmur et al Content Based Different Feature Set Sistem Rekomendasi Film 2012 Claypool et al Hybrid Content Based dan Collaborative Filtering dengan Linear Combination Sistem Rekomendasi Berita Online 1999 Adomavicius dan Kwon Teknik agregasi dan similiarity Sistem Rekomendasi dengan Multi-criteria Rating 2007 Jannach et al Berbagai teknik untuk membandingkan beberapa teknik Sistem Rekomendasi dengan Multi-criteria Rating 2012

2.12. Perbedaan dengan Penelitian Terdahulu

Dokumen yang terkait

PENERAPAN ITEM-BASED COLLABORATIVE FILTERING DALAM PEMBUATAN SISTEM REKOMENDASI LAGU.

6 45 39

Sistem Rekomendasi Traveler Berbasis Website dengan Metode Collaborative Filtering.

0 8 25

SISTEM REKOMENDASI PARIWISATA PANTAI MENGGUNAKAN METODE CONTENT BASED FILTERING.

0 1 4

PERBANDINGAN ALGORITMA COSINE SIMILARITY DAN CONFIDENCE PADA SISTEM REKOMENDASI DENGAN METODE ITEM BASED COLLABORATIVE FILTERING.

0 1 14

Analisis dan Implementasi Prediksi Rating pada Memory-based Collaborative Filtering dengan Menggunakan Smoothing Analysis and Implemantation Rating Prediction om memory-based Collaborative Filtering with Smoothing

0 0 5

Rancang Bangun Sistem Rekomendasi Pariwisata Mobile dengan Menggunakan Metode Collaborative Filtering dan Location Based Filtering

0 1 6

Sistem rekomendasi peminjaman vcd dengan metode item based collaborative filtering

0 2 13

BAB 2 LANDASAN TEORI 2.1. Sistem Rekomendasi - Implementasi Hybrid (Content Based Dan Collaborative Filtering) Pada Sistem Rekomendasi Software Antivirus Dengan Multi-Criteria Rating

0 0 15

Implementasi Hybrid (Content Based Dan Collaborative Filtering) Pada Sistem Rekomendasi Software Antivirus Dengan Multi-Criteria Rating

0 0 12

SISTEM REKOMENDASI PEMINJAMAN BUKU DI UPT PERPUSTAKAAN UNS DENGAN METODE ITEM-BASED COLLABORATIVE FILTERING DAN RATING IMPLISIT - UNS Institutional Repository

1 1 15