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
Hayati 2012 menggunakan metode hybrid content based dan collaborative filtering dengan menggunakan algoritma k-Nearest Neighbor. Hayati menggunakan kombinasi
sekuensial untuk menggabungkan antara content based dengan collaborative filtering. Hayati 2012 menggunakan cara explicit untuk membangun profil pengguna user
profile, yaitu dengan menyediakan formulir preferensi agar pengguna dapat mendeskripsikan secara langsung tujuan wisata bagaimana yang ia inginkan.
Claypool et al 2012 menggunakan metode content based pada sistem rekomendasi dengan fitur set berbeda. Sistem rekomendasi yang dibangun olehnya
mempelajari preferensi setiap pengguna yang ada user profile berdasarkan histori lihat watch history pengguna. Kemudian, dengan menggunakan user profile tersebut,
sistem rekomendasi menghitung prediksi seberapa besar ketertarikan pengguna terhadap semua film yang belum pernah ia lihat sebelumnya.
Di dalam penelitian ini, peneliti menggunakan metode hybrid content based dan collaborative filtering pada sistem rekomendasi dengan multi-criteria rating.
Berbeda dengan Hayati 2012, penulis menggunakan kombinasi linear untuk menggabungkan kedua metode tersebut. Selain itu, peneliti menggunakan cara
implicit untuk membangun profil pengguna user profile, yaitu dengan mempelajari rating yang diberikan pengguna terhadap beberapa produk software antivirus. Multi-
criteria rating penulis terapkan untuk menghasilkan rekomendasi yang lebih handal.
Universitas Sumatera Utara
BAB 3 ANALISIS DAN PERANCANGAN
Bab ini akan membahas tentang data yang digunakan, Use Case Diagram untuk melihat semua interaksi pengguna terhadap sistem, Data Flow Diagram DFD yang
merupakan diagram yang menunjukkan aliran data di dalam sistem, flowchart algoritma yang digunakan di dalam sistem rekomendasi multi-criteria rating dengan
menggunakan metode Hybrid Content Based and Collaborative Filtering, perancangan database, dan perancangan antarmuka pemakai user interface.
3.1. Data Yang Digunakan
Data yang digunakan untuk membangun Sistem Rekomendasi Software Antivirus berasal dari berbagai website www.amazon.com, cnet, av-comparatives, pc-
magazine dan berbagai datasheets yang berjumlah lebih dari 100 buah produk. Selain itu, sistem ini juga menggunakan data pengguna sebanyak 100 buah
pengguna. Setiap produk memiliki empat buah kriteria untuk diberi rating. Jumlah rating yang terdapat di dalam sistem berjumlah 4000 buah rating.
3.2. Use Case Diagram
Use Case Diagram adalah representasi dari interaksi pengguna dengan sistem yang bertujuan untuk menunjukkan kepada pengguna aktivitas apa saja yang dapat
dilakukan di dalam sebuah sistem. Gambar 3.1 berikut merupakan Use Case Diagram dari Sistem Rekomendasi Software Antivirus.
Universitas Sumatera Utara