Analisis Penerapan Sparse Matrix Uji Coba dan Analisis dengan Banyak Pengguna Anonim

Tabel 4.3 Nilai masing – masing dokumen setelah diurutkan secara descending lanjutan Dokumen Nilai Isi D9 0.6255 Nokia belum Berhenti Luncurkan Smartphone Windows Phone D0 0.2422 Microsoft akan hentikan dukungan untuk Smartphone Windows Phone 7.8 pada September 2014 D6 Turki Blokir Youtube D7 Setelah Twitter dan Youtube, Turki blokir DNS Google D8 Jegal Youtube, Yahoo siapkan layanan Video Online Dari tabel 4.3 yang direkomendasikan hanya berita 5 tertinggi nilainya yaitu D3, D5, D1, D2, D4 dan sisanya tidak akan ditampilkan. Gambar 4.7 Hasil rekomendasi pada Halaman web untuk akses berita

4.4 Analisis Penerapan Sparse Matrix

Penerapan sparse matrix bisa memberikan rekomendasi berdasarkan content based. Memberikan rekomendasi secara content based penulis menilai cukup tepat untuk pengguna anonim, karena beberapa pertimbangan berikut ini : 1. Identitas user tidak bisa bersifat statis dalam jangka waktu lama, karena menggunakan Cookie pada browser yang sifatnya sementara Universitas sumatera utara 2. Sistem tidak bisa menyatukan semua rekam jejak penjelajahan jika user mengakses berita menggunakan banyak perangkat misalnya Smartphone, laptop dan Tablet. 3. Yang bisa dipakai untuk pertimbangan rekomendasi hanya apa yang sedang diakses dan beberapa dokumen yang pernah diakses di device yang sama.

4.5 Uji Coba dan Analisis dengan Banyak Pengguna Anonim

Uji coba ini untuk merangkum semua hasil untuk sistem rekomendasi telah penulis kembangkan menjadi plugin untuk WordPress. Uji coba yang ditunjukkan pada tabel yang penulis lakukan untuk memverifikasi sistem rekomendasi berjalan dengan baik melalui uji coba beberapa kasus akses berita. Kasus uji coba pada bagian ini lebih diperluas dari pada dibagian 4.4 sebelumnya yang hanya menggunakan 1 pengguna anonim, pada uji coba ini akan menggunakan 5 pengguna anonim. Tabel 4.4 Uji coba akses berita menggunakan 5 pengguna anonim ID Waktu Akses ID Akses Hasil Nilai Rekomendasi = 0 null 1 22-08-2014 12:00:05 D201 20 181 64 [D160] = 3.79, [D85] = 1.85, [D177] = 1.85, [D163] = 1.85, [D90] = 1.85 1 22-08-2014 12:05:00 D160 19 181 65 [D163] = 2.32, [D82] = 2.32, [D90] = 2.32, [D85] = 2.32, [D177] = 2.32 1 22-08-2014 12:07:40 D85 33 166 66 [D177] = 2.61, [D163] = 2.61, [D82] = 2.61, [D90] = 2.61, [D97] = 1.22 2 22-08-2014 12:30:54 D97 32 169 64 [D85] = 5.77, [D65] = 4.68, [D79] = 3.98, [D124] = 3.65, [D184] = 2.86 2 22-08-2014 12:32:23 D97 32 168 65 [D85] = 5.77, [D65] = 4.68, [D79] = 3.98, [D124] = 3.65, [D184] = 2.86 2 22-08-2014 12:34:13 D85 35 164 66 [D82] = 2.10, [D82] = 2.10, [D82] = 1.98, [D82] = 1.98, [D82] = 1.98 3 22-08-2014 12:40:11 D196 29 172 64 [D128] = 4.58, [D128] = 4.58, [D128] = 2.01, [D128] = 1.12, [D128] = 1.12 3 22-08-2014 12:44:40 D127 45 155 65 [D123] = 14.06, [D123] = 10.14, [D123] = 6.66, [D123] = 4.66, [D123] = 3.25 3 22-08-2014 12:46:34 D121 44 155 66 [D130] = 11.66, [D130] = 6.96, [D130] = 4.96, [D130] = 3.48, [D130] = 3.48 4 22-08-2014 13:02:05 D191 22 179 64 [D193] = 1.69, [D193] = 1.69, [D193] = 1.69, [D193] = 1.69, [D193] = 1.69 4 22-08-2014 13:05:12 D119 31 169 65 [D118] = 5.25, [D118] = 2.29, [D118] = 2.18, [D118] = 2.18, [D118] = 2.18 Universitas sumatera utara Tabel 4.4 Uji coba akses berita menggunakan 5 pengguna anonim lanjutan ID Waktu Akses ID Akses Hasil Nilai Rekomendasi = 0 null 4 22-08-2014 15:09:32 D118 31 168 66 [D158] = 3.54, [D158] = 3.47, [D158] = 2.65, [D158] = 2.57, [D158] = 2.49 5 22-08-2014 15:12:03 D259 13 188 64 [D141] = 8.60, [D141] = 8.60, [D141] = 4.25, [D141] = 2.89, [D141] = 2.89 5 22-08-2014 15:14:10 D242 13 187 65 [D244] = 17.69, [D244] = 13.13, [D244] = 9.33, [D244] = 6.72, [D244] = 6.31 5 22-08-2014 15:16:23 D118 15 185 66 [D259] = 6.65, [D259] = 5.32, [D259] = 4.06, [D259] = 4.06, [D259] = 2.19 Total 72 728 261 Untuk analisis berdasarkan tabel 4.4 akan dibahas pada bagian 4.6 tentang analisis recall dan precision untuk menguji sistem rekomendasi dalam meberikan rekomendasi dengan menggabungkan tiga proses yaitu CSR SpMV, proximity processing dan bayesian framework for user interest.

4.6 Analisis Recall dan Precision