Diagram Konteks Pengertian Basis Data
2.8 Collaborative filtering
Collaborative filtering merupakan proses penyaringan atau pengevaluasian item menggunakan opini orang lain. Collaborative filtering melakukan penyaringan data berdasarkan kemiripan karakteristik konsumen sehingga mampu memberikan informasi yang baru kepada konsumen karena sistem memberikan informasi berdasarkan pola satu kelompok konsumen yang hampir sama. Perbedaan minat pada beberapa anggota kelompok menjadikan sumber informasi baru yang mungkin bermanfaat bagi anggota kelompok lainnya. Secara umum proses pemberian rekomendasi terdiri atas tiga langkah, yaitu: 1. Penemuan similar user. 2. Pembuatan ketetenggaan neighborhood. 3. Perhitungan prediksi berdasarkan tetangga yang dipilih. Collaborative filtering menghasilkan prediksi atau rekomendasi bagi pengguna atau pelanggan yang dituju terhadap satu item atau lebih. Rating dalam Collaborative filtering dapat berbentuk, seperti: 1. Model rating skalar yang terdiri atas rating numerik seperti 1 sampai 5. 2. Model rating biner dengan memilih antara setuju atau tidak setuju, atau dapat pula baik atau buruk. 3. Rating unary dapat mengindikasikan bahwa pengguna telah mengobservasi atau membeli item atau merating item dengan positif. Tidak tersedianya rating mengindikasikan tidak terdapat informasi yang menghubungkan pengguna dengan item. Rating dapat dikumpulkan secara eksplisit, implisit, ataupun gabungan antara eksplisit dan implisit. Rating eksplisit yaitu rating yang didapatkan pada saat pelanggan atau pengguna diminta menyediakan opini terhadap item tertentu. Rating implisit yaitu rating yang didapatkan melalui aksi yang dilakukan pelanggan. Algoritma Collaborative filtering dibagi ke dalam dua kelas yang berbeda menurut teori dan kepraktisannya, yaitu algoritma non-probabilistik dan algoritma probabilistik. Suatu algoritma dianggap probabilistik bila algoritma probabilistik. Algoritma tersebut mewakili distribusi probabilitas saat menghitung prediksi rating atau daftar rangking rekomendasi. Algoritma non-probabalistik yang terkenal yaitu nearest neighbours algorithm. Algoritma ini dibagi menjadi dua kelas yaitu user- based dan item-based. 1. User-Based Collaborative filteringParts
» Membangunan Aplikasi E-Commerce Pada Penjualan Baju (Studi Kasus Di Toko Green Fashion)
» Latar Belakang Masalah PENDAHULUAN
» Identifikasi Masalah Maksud dan Tujuan
» ANALISIS DAN PERANCANGAN IMPLEMENTASI DAN PENGUJIAN KESIMPULAN DAN SARAN
» Sejarah Singkat Perusahaan Tinjauan Perusahaan
» Struktur Organisasi Perusahaan Tinjauan Perusahaan
» Deskripsi Jabatan Tinjauan Perusahaan
» Sistem Klasifikasi Sistem Landasan Teori
» Keamanan pada E-commerce E-commerce
» Proses Pembayaran PayPal Sistem Pembayaran
» Entitas Relationship Diagram Pengertian Basis Data
» Diagram Konteks Pengertian Basis Data
» Bagian Alur Dokumen flowmap Data Dictionary Kamus Data
» Collaborative filtering TINJAUAN PUSTAKA
» Prosedur Penjualan Barang Analisis Sistem yang sedang berjalan
» Prosedur Pengadaan barang Analisis Sistem yang sedang berjalan
» Prodedur Pembuatan Laporan Analisis Sistem yang sedang berjalan
» Aturan Bisnis Analisis Sistem yang sedang berjalan
» Analisis Masalah Analisis Fitur
» Analisis Sistem Rekomendasi Collaborative Filtering
» Analisis Basis Data Entity Relationship Diagram ERD
» Analisis Perangkat Keras Hardware
» Analisis User Analisis Kebutuhan Non Fungsional
» DFD Level 2 Proses 1 Pendaftaran DFD Level 2 Proses 2 Login
» DFD Level 2 Proses 3 Pengolahan Data Master DFD Level 2 Proses 4 Pengolahan Data User
» DFD Level 2 Proses 5 Pemesanan DFD Level 3 Proses 3.1 Pengolahan Data Produk
» DFD Level 3 Proses 3.2 Pengolahan Data Provinsi DFD Level 3 Proses 3.3 Pengolahan Data Kota
» DFD Level 4 Proses 3.6.1 Proses Pengolahan Data Bank
» Diagram Konteks Spesifikasi proses
» K Analisis Kebutuhan Fungsional
» Struktur Tabel Analisis Kebutuhan Fungsional
» Perancangan struktur menu Perancangan Arsitektur
» Perancangan antarmuka halaman login admin
» Perancangan antarmuka halaman home
» Perancangan antarmuka halaman member
» Perancangan antar muka edit member
» Perancangan antarmuka halaman ukuran
» Perancangan antar muka halaman tambah ukuran
» Perancangan antarmuka halaman edit ukuran Perancangan antarmuka halaman produk
» Perancangan antarmuka halaman tambah produk Perancangan antarmuka edit produk
» Perancangan antarmuka halaman kategori produk
» Perancangan antarmuka halaman tambah kategori produk
» Perancangan antarmuka halaman edit kategori produk
» Perancangan antarmuka halaman data bank
» Perancangan antarmuka halaman tambah data bank
» Perancangan antar muka halaman edit data bank
» Perancangan antarmuka halaman jasa kirim
» Perancangan antarmuka tambah jasa kirim
» Perancangan antarmuka halaman edit jasa pengiriman
» Perancangan antarmuka halaman ongkos kirim
» Perancangan antarmuka halaman tambah ongkos kirim
» Perancangan antarmuka halaman edit ongkos kirim
» Perancangan antarmuka halaman kota
» Perancangan antarmuka halaman tambah kota
» Perancangan antarmuka Halaman edit kota
» Perancangan antarmuka Halaman provinsi
» Perancangan antar muka halaman tambah prooinsi
» Perancangan antarmuka halaman edit provinsi
» Perancangan antarmuka halaman pemesanan baru
» Perancangan antarmuka halaman aksi pemesanan baru
» Perancangan antarmuka halaman pemesanan di bayar
» Perncangan antarmuka halaman pemesanan lunas
» Perancangan antarmuka halaman aksi pembayaran lunas
» Perancangan antar muka halaman pemesanan di kirim
» Perancangan antarmuka halaman aksi pemesanan di kirim
» Prancangan antarmuka halaman di terima
» Perancangan antarmuka halaman retur
» Perancangan antarmuka halamman ganti password
» Perancangan antar muka halaman laporan transaksi
» Perancangan antarmuka laporan produk Perancangan antar muka data operator
» Analisis Sistem Perancangan Prosedural
» Mozila Firefox 3.6.13 sebagai browser 4.1.3 Implementasi Basis Data
» Implementasi Perangkat Keras Implementasi Antarmuka
Show more