HASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN
Data yang Digunakan
6 The Structure of Collaborative Collaborative
Data tagging pengguna yang digunakan dalam
Collaborative
tagging describes Tagging,
penelitian ini adalah tagging yang dilakukan oleh
Tagging Systems the process by Recommender
which many pengguna dari berbagai website bibsonomy, delicious System,
users add Folksonomy,
dan citeulike.
metadata in the web-sharing form of
Analisis Sistem
keywords to
Untuk menguji kebenaran rekomendasi yang shared content.
dihasilkan oleh program dengan metode collaborative tagging pada sistem rekomendasi publikasi artikel
Tabel Raw Data User
Hasil nilai raw data untuk pengguna dengan nama ilmiah, dibuat sebuah skenario penggunaan sistem
rekomendasi dan akan menganalisis apakah artikel agus, dapat dilihat pada tabel 8.
publikasi yang direkomendasikan sesuai dengan minat dari pengguna atau tidak
Tabel 8. Raw Data Pengguna Agus
Collaborative Collaborative
1. Nama Pengguna
: Agus
2. ID Pengguna
agus
3. Artikel Publikasi yang telah disubmit :
Tabel 8 Raw Data Pengguna Agus ( Lanjutan)
Shiling Mobile Device
Tabel 7. Artikel yang telah disubmit oleh pengguna
Sharing
dengan username agus
agus
NO Judul artikel Abstract
Tagging
publikasi
Tabel 8 Raw Data Pengguna Agus (Lanjutan)
systems have Filtering,
Tourism Normalizer
Filtering
been evaluated in Recommender
Interface Recommender
Recommender
many, often System agus
Systems
incomparable, ways. In this
article, we
Tabel Normalized Vector User
review the key
Setelah nilai raw data dari user dihitung,kemudian
decisions in
sistem akan menghitung nilai normalized vector
evaluating collaborative
untuk pengguna agus. Nilai normalized vector untuk
2 A Group
This
paper Recommender
pengguna agus dapat dilihat pada tabel 9.
Recommender
introduces a system,Tourism,
System for
method for Group Recommender
Tabel 9. Nilai Normalized Vector Agus
Tourist
Collaborative Folksonomy Activities
s of tourist activities.
systems have System,
Experiences with changed the way Collaborative
Web Sharing Rating Shiling an Occasionally
User
Bookmark
people Recommender shop Filtering,
System Connected
online.
Mobile Device,
User Interface
System
systems on
Tourism Group devices .
wireless mobile
Recommender System
systems have System, systems for fun emerged in the Collaborative
Raw data jurnal/artikel.
and profit
past several Filtering, Shiling years as an
Raw data jurnal/artikel merupakan nilai dari artikel /
effective way to
jurnal yang terdapat pada database. Raw data jurnal
help people cope
menghitung banyaknya tag yang dilakukan oleh user
with the problem
untuk suatu artikel. nilai Raw data jurnal/artikel dapat
of information overload.
dilihat pada tabel 10.
KeTIK 2014 ISBN: 979-458-766-4 Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi
Tabel 10. Nilai Raw Data Jurnal/Artikel Tabel 11. Nilai Normalized Vector Jurnal/Artikel
Judul Recommender
Artikel System
Data Speech
Usage patterns of
Artikel
Recognition
Mining Recognition
collaborative
tagging systems
1 1 Usage patterns
of collaborative tagging systems
Recommender System Based on
Consumer Recommender 1 1
Product Reviews System Based
on Consumer Product
Mining Frequent Patterns
Reviews
Pattern
recognition Mining
Frequent
Patterns
Tabel 10. Raw Data Jurnal/Artikel ( Lanjutan)
Judul Pattern
Artikel Recognition
Mining
Recognition
Usage patterns of
Nilai Dot Product
collaborative tagging systems
Setelah menghitung nilai normalized vector user dan normalized vector jurnal kemudian akan dihitung
Recommender
nilai dot product. Nilai dot product dapat dilihat pada
System Based on Consumer tabel 12. Product Reviews
Tabel 12. Nilai Dot Product
Mining Frequent
Recommender Mining Pattern Patterns
1 patterns of System Based Frequent recognition Pattern
Usage
on Consumer Patterns recognition
Tabel 10. Raw Data Jurnal/Artikel (Lanjutan) agus 0,48507125 0,404226042
Judul
Normalizer
Artikel Usage patterns of collaborative tagging
KESIMPULAN DAN SARAN
systems
Kesimpulan
Berdasarkan pengujian yang telah dilakukan, maka
Recommender System Based on
Consumer Product Reviews
dapat diperoleh beberapa kesimpulan:
1. Tagging yang dilakukan oleh pengguna dapat
Mining Frequent Patterns
memberikan rekomendasi kepada pengguna dan dapat menjadi pengganti rating dalam
Pattern recognition
memberikan rekomendasi. Setelah nilai dari raw data jurnal/artikel dihitung
Nilai Normalized Vector Jurnal/Artikel
2. Metode collaborative tagging dengan pemodelan kemudian akan dihitung nilai normalized vector
vector (Vector Space Model) dengan cosine untuk jurnal/artikel. Nilai normalized vector
similarity dapat digunakan untuk memberikan jurnal/artikel dapat dilihat pada tabel 11.
rekomendasi kepada pengguna.
Tabel 11. Nilai Normalized Vector Jurnal/Artikel
Saran
Judul Recommender
Collaborative
Consumer
Untuk Pengembangan lebih lanjut, untuk penelitian
Artikel System
Tagging
Product
pada bidang collaborative tagging dapat diberikan
Usage patterns
beberapa saran berikut :
of
1. Penelitian selanjutnya disarankan collaborative
collaborative tagging
tagging ditambahkan dengan menggunakan text
systems
mining untuk memberikan rekomendasi tag kepada pengguna.
Recommender
2. Penelitian selanjutnya pada sistem rekomendasi
System Based on Consumer
dengan metode collaborative tagging disarankan
Product 0,57735026918
untuk digabung dengan metode semantic search
Reviews
untuk mengatasi kata yang homonim atau polisemi
Mining Frequent
DAFTAR PUSTAKA
Patterns
[1] Golder, A. & Huberman, A . 2005. Usage
Pattern recognition
Pattern of collaborative tagging system . Journal of information science . 32(2): 198-208.
ISBN: 979-458-766-4 KeTIK 2014 Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi
[2] Alag, S. 2007. Collective intelligence in action. [5] R.Jaschke, L.Marinho, A.Hotho, L.Schmidt- O’Reilly Media:NewYork
Thieme & G.Stumme, 2007. Tag [3] Hayati, N. 2012. Metode hybrid (content based
Recommendation in Folksonomy. Lectures Note dan collaborative filtering) nearest neighbor
In Computer Science, 4701:506. untuk sistem rekomendasi pariwisata. Skripsi.
[6] Ricci, F., Rokach, L., Saphira, B. & Kantor, P. Universitas Sumatera Utara.
B. (Editors). 2011. Recommender System [4] Afifi,W 2014. Implementasi Metode hybrid
Handbook . Springer: New York. (content based dan collaborative filtering) [7] Jannach, D., Zanker, M., Felfernig, A. & dengan multi-criteria rating pada sistem
Friedrich, G. 2011. Recommender System – An rekomendasi antivirus. Skripsi. Universitas
Introduction . Cambridge University Press: Sumatera Utara
Cambridge.
KeTIK 2014 ISBN: 979-458-766-4 Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi