3.1 Analisa Kebutuhan 3.2 Perancangan Penelitian 3.3 Teknik Analisis 3.4 Jadwal Penelitian. 3.1 Analisa Kebutuhan
|
|
- Yohanes Susman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JUDUL TA : PENERAPAN COLLABORATIVE FILTERING UNTUK SISTEM REKOMENDASI PADA RENTAL VCD HAPPY BAB III. METODE PENELITIAN 3.1 Analisa Kebutuhan 3.2 Perancangan Penelitian 3.3 Teknik Analisis 3.4 Jadwal Penelitian 3.1 Analisa Kebutuhan Secara umum, sistem rekomendasi bertugas membantu para user dengan cara menyediakan rekomendasi bagi para usernya. Rekomendasi yang diberikan berupa film-film yang mungkin cocok dengan selera user. Pada sistem ini user dapat memberikan rating pada berbagai macam film yang sudah dilihatnya. Rating yang diberikan oleh masing masing user tersebut digunakan sebagai dasar untuk menentukan rekomendasi film bagi user yang bersangkutan. Nilai rating dari film yang ditentukan secara eksplisit oleh user adalah input yang diperlukan oleh sistem dalam menciptakan rekomendasi. Berdasarkan input yang diberikan oleh user, sistem akan menciptakan output berupa rekomendasi film-film apa saja yang diperkirakan akan disukai oleh user tersebut. User juga dapat melihat nilai prediksi rating yang diberikan oleh sistem terhadap masing-masing judul film yang terdapat pada sistem tersebut. Sistem Rekomendasi film ini dibuat karena disebabkan adanya
2 permasalahan yang dialami oleh para user dalam menentukan film apa saja yang ingin dilihat oleh user. Berikut ini beberapa permasalahan tersebut. Jumlah Film yang sangat banyak Setiap bulannya bermunculan film-film baru dengan katagori yang bermacammacam dimana ada yang berupa drama, comedy, action, thriller, horror, animasi dan sebagainya. Dengan jumlah film yang semakin banyak tentu membuat orang bingung untuk menentukan pilihannya oleh karena itu sistem rekomendasi untuk film sangat dibutuhkan untuk membantu di dalam memberikan rekomendasi film-film yang disukai oleh orang. Kurangnya informasi mengenai film-film yang ada Sedikit sekali atau kurangnya informasi mengenai film-film yang sedang ditayangkan, yang sudah ditayangkan dan yang sedang diproduksi. Informasi / referensi mengenai film biasanya hanya dibahas sekilas secara garis besarnya saja di koran, majalah dan iklan di televisi atau di Internet. Kesulitan menentukan kualitas dari sebuah film Sebuah film dapat dikatakan baik atau buruk tergantung dari jalan cerita dan selera dari orang yang menontonnya.orang yang menyukai jenis film action tentu akan mengatakan bahwa film Mission Impposible adalah film yang sangat bagus tetapi orang lain belum tentu sependapat dengannya. Orang menganggap suatu film memiliki kualitas baik apabila film itu benar-benar cocok dengan seleranya. Terbatasnya rekomendasi yang didapatkan Dalam kehidupan sehari-hari,orang dapat menilai kualitas dari suatu film berdasarkan rekomendasi/pendapat yang diberikan oleh relasi maupun sahabat. Rekomendasi yang diberikan sangat bermanfaat dan tentunya juga mengenai film-film yang sudah dilihat oleh para relasi itu akan tetapi bagaimana dengan film lainnya yang belum ditonton? Oleh karena itu dibutuhkan sumber rekomendasi yang memiliki ruang lingkup yang luas dan mampu memberikan pendapat mengenai kualitas dari berbagai macam film.
3 Mendapatkan informasi dalam waktu singkat Keinginan orang untuk mendapatkan informasi mengenai kualitas sebuah film dalam waktu singkat. Oleh karena banyaknya jumlah film yang ada. Maka akan memakan waktu lama apabila harus memilih film yang ingin ditonton sehingga memerlukan sebuah sistem yang dapat membantu mereka dalam memilih film yang berkualitas dalam waktu yang singkat. 3.2 Perancangan Penelitian Context Diagram Context Diagram memberikan gambaran umum mengenai interaksi yang terjadi antara sistem dan user. Context diagram dari sistem ini ditunjukan pada gambar berikut ini Pada context diagram digambarkan proses umum yang terjadi di dalam sistem. Terdapat dua komponen utama yaitu user dan sistem rekomendasi. User dapat meminta kepada sistem untuk memberikan rekomendasi mengenai itemitem apa saja yang diperkirakan akan paling disukai oleh user tersebut. Setelah melakukan proses, sistem akan menghasilkan output berupa rekomendasi filmfilm yang ditujukan bagi user.
4 3.2.2 Dataset Dataset yang digunakan adalah dataset real, yaitu data-data rating yang sungguh-sungguh diberikan oleh user pada suatu sistem rekomendasi. Pada sistem ini digunakan dataset MovieLens. MovieLens adalah sebuah sistem rekomendasi yang dikembangkan oleh GroupLens 1 Research pada University of Minnesota. MovieLens menyediakan sebagian dari datasetnya bagi umum, untuk keperluan pendidikan dan riset. Dataset MovieLens telah sangat banyak digunakan untuk keperluan riset yang berhubungan dengan bidang sistem rekomendasi. Dataset ini mengandung data-data rating yang diberikan user MovieLens terhadap berbagai macam film hingga tahun 2000 an dimana rating berkisar antara 1 sampai dengan 5. Program ini tidak menggunakan keseluruhan dari dataset MovieLens, melainkan hanya mengambil sebagian dari dataset tersebut yaitu meliputi 3952 film dan 2000 user. Contoh dataset yang digunakan pada penelitian ini dapat dilihat pada tabel berikut ini : User Contoh Dataset Judul Film A B C D E http ://
5 Dalam contoh dataset terdiri atas 6 user dengan jumlah film adalah 5. Untuk sel yang terisi angka 0 dianggap bahwa nilai dari user terhadap film tersebut tidak ada. Hal ini kemungkinan disebabkan user belum pernah menyaksikan film tersebut, sehingga total film yang diberi penilaian/ dirating dalam dataset ini hanya sejumlah 26 buah sedang yang tidak diberi nilai adalah 4 buah. Sejumlah 26 data tersebut akan menjadi acuan dalam melakukan proses prediksi untuk keempat buah data yang masing kosong tersebut. Nilai rating yang dapat diberikan berkisar antara 1 sampai dengan Proses Modeling 3.3 Teknik Analisis Proses Kerja dari Collaborative Filtering Pada umumnya collaborative filtering menggunakan data input berupa database yang mencatat informasi tentang selera user untuk memprediksi topiktopik atau produk-produk baru yang mungkin disukai oleh user aktif. Bentuk dataset yang umum digunakan sebagai dataset input untuk proses collaborative filtering adalah matriks 2 dimensi dengan produk-produk sebagai kolom, nama user sebagai baris, dan hasil perpotongannya sebagai nilai rating yang diberikan user tertentu terhadap produk yang ditunjuk (matrik user-item). Bentuk dataset tersebut lebih dikenal sebagai bentuk transactional database. Collaborative filtering merupakan sistem yang mampu memberi rekomnedasi kepada user aktif mengenai suatu item atau produk tertentu yang mungkin menarik baginya. Dalam usaha menyusun rekomendasinya tersebut,collaborative filtering menggunakan kolaborasi informasi user lain yang memiliki selera hampir sama dengan user aktif. Jadi tugas utama dari collaborative filtering adalah mencari sekelompok user yang memiliki selera
6 hampir sama dengan user aktif sebagai acuan untuk memprediksi selera user aktif terhadap topik atau produk tertentu. Collaborative filtering sebagai suatu sistem penyusun rekomendasi pada dasarnya terdiri atas tiga tahapan penting, yang dapat dijabarkan sebagai berikut: 1. Mendapatkan profil dari setiap user dalam sistem, yaitu dengan mendapatkan nilai rating terhadap item-item yang ada. Nilai rating dari user bisa merupakan angka dengan kondisi tertentu, misalnya angka 5 menunjukkan sangat suka dan akan terus turun ke angka 1 menunjukkan sangat tidak suka, jadi diantara angka-angka tersebut bisa dimasukkan. 2. Sesudah setiap user diperoleh profilnya maka sistem akan melakukan perbandingan antara profil dari yang aktif dengan semua profil user yang ada dan melakukan pengukuran terhadap tingkat kemiripan/ nilai korelasi. Pada umumnya untuk mengukur tingkat kemiripan antar user dapat dilakukan dengan cara perhitungan korelasi Pearson. 3. Sesudah diperoleh nilai korelasi, maka dipilih sekolompok user yang akan bertindak sebagai advisor terhadap user yang aktif. Pemilihan advisor ini didasarkan pada nilai korelasi yang tinggi antara user yang aktif dengan user lain dan menggunakan informasi yang ada pada mereka untuk menyusun rekomendasi bagi user aktif tersebut. Untuk memperjelas penjelasan bagaimana proses collaborative filtering memberikan rekomendasi, maka dapat dilihat proses collaborative filtering pada gambar berikut ini.
7 Algoritma yang paling sering digunakan untuk collaborative filtering adalah correlation atau vector similarity. Dengan algoritma ini, langkah pertama yang harus dilakukan adalah memilih sekelompok user berdasarkan tingkat kesamaannya dengan user aktif, kemudian ranking yang menyatakan selera dari masing-masing user tersebut digunakan untuk menentukan prediksi yang tepat bagi user aktif. Jika Vij merupakan rating yang diberikan oleh user i untuk item j, dan Ii adalah sekumpulan item yang telah diberi rating oleh user i, maka rata-rata rating vi untuk user i dapat didefinisikan sebagai berikut : vi 1 = Vi j Ii, j i (3.1) Yang paling penting dalam algoritma ini adalah menghitung ω(a,i) yang menyatakan tingkat kesamaan seorang user i dengan user aktif a. Metode yang paling terkenal yang juga diadopsi oleh GroupLens adalah perhitungan korelasi Pearson yang menghasilkan range nilai antara +1 dan -1. Bila nilai korelasi mendekati atau sama dengan +1 maka dapat dikatakan bahwa user dan user pembanding memiliki selera yang hampir sama. Sebaliknya bila nilai korelasi mendekati -1 maka user dan user pembanding memiliki selera yang berkebalikan. Bila nilai korelasi 0 maka kedua user dinyatakan tidak memiliki korelasi.
8 ω(a,i) = ( va, j va)( vi, j vi) j (3.2) ( va, j va)2( vi, j vi)2 j Dengan hasil perhitungan tingkat kesamaan antar user aktif dengan user lain seperti yang digambarkan persamaan 3.2 maka rekomendasi untuk user aktif mungkin untuk dibuat. Prediksi tersebut dapat dilakukan dengan mengeliminasi user-user yang memiliki tingkat kesamaan di bawah nilai threshold yang ditentukan. Jika k adalah factor normalisasi, dan n adalah jumlah user dalam database collaborative filtering dengan ω(a,i)>0, dimana ω(a,i) menggambarkan jarak, korelasi, atau tingkat kesamaan antara tiap user i dengan user aktif, maka P aj yang merupakan nilai rating yang diprediksi akan diberikan oleh user aktif a terhadap item j dapat dirumuskan sebagai berikut : n P aj = va + k w( a, i)( vij vi) (3.3) i= l Meskipun algoritma ini dapat bekerja dengan baik pada beberapa kasus, algoritma ini masih memiliki keterbatasan. Umumnya korelasi terjadi jika ada overlap antar profil user. Ketika jumlah item yang dapat dipilih oleh user cukup banyak, overlap antar item-item yang dirating dapat saja menjadi sedikit. Dalam kasus ini perhitungan korelasi tidak dapat menjadi jaminan dalam pengukuran tingkat kesamaan. Sebagai contoh : user A dan B memiliki korelasi yang tinggi, user B dan C pun juga demikian, kemudian user A dan user C mungkin saja juga berkorelasi tinggi meskipun hanya sedikit item yang diberi rating oleh keduanya. Keterbatasan lain dari algoritma ini adalah tingkat efisiensi dalam penyusunan rekomendasi bagi user aktif. Ketika database menjadi semakin besar, perhitungan on-line untuk sekelompok user menjadi tidak efisien (selalu melakukan pembacaan database). Customer pada umumnya tidak sabar untuk menunggu hasil dari rekomendasi. Untuk mengatasi masalah ini, algoritma memory-based menggunakan teknik sampling meskipun terkadang metode sampling tersebut dapat membahayakan faktor keakuratan rekomendasi (ada
9 kalanya sampling database input mereduksi pengetahuan yang ada pada database asli). Algoritma ComputeCorrelationSimilarity Subrutin ComputeCorrelationSimilarity() Input : Y adalah dataset yang berisikan nilai rating untuk film yang dinilai user Output : Matrik bujur sangkar yang berisi bobot kemiripan antar user wij Metode : Bobot kemiripan antar user dihitung ber dasarkan prosedur berikut ini. Untuk setiap user ra dihitung bobot kemiripan wa,u terhadap user lain ru dalam dataset Y dengan menggunakan korelasi Pearson : W a,u = ( r ra)( r Ya, u a, u r a, j u, j u) σuσu Y ru, k r u = Ya, u Ya, u σ 2 ( r u = Ya, u, j ru) Ya u u, 2 Y a,k ={k k M r a,k Θ r u,k Θ} Dari algoritma diatas dapat dijelaskan proses perhitungan korelasi antara user 1 dan user 3 dengan menggunakan korelasi Pearson. Langkah pertama ialah menghitung nilai rata-rata dari masing-masing user dimana akan didapatkan nilai rata-rata dari user 1 dan user 3 berturut-turut adalah 3,33. Perlu diketahui nilai rata-rata user 3 adalah 3,33 karena hanya film 1,2 dan 3 saja yang dihitung, karena perhitungan dilakukan untuk item dimana kedua user sudah memberikan nilai hal
10 ini terus berlaku dalam proses-proses berikutnya dalam penggunaan metode korelasi Pearson ini. Langkah berikutnya ialah memperoleh nilai varians (σ 2 ) dari kedua user ini. Langkah terakhir ialah memperoleh nilai korelasi (w 1,3 ) antar user 1 dan 3 dimana diperoleh nilai 1. Apabila subrutin ComputeCorrelationSimilarity() diimplemen tasikan secara keseluruhan kepada masing-masing kelompok seperti pada tabel 5.2 maka akan diperoleh hasil seperti yang terdapat pada tabel 5.3. Untuk melakukan proses pada fase pelatihan, kompleksitas waktunya adalah O(n 2 /k). Hal ini dapat dibuktikan demikian, waktu yang dibutuhkan untuk melakukan perhitungan pelatihan antar user pada sebuah kelompok adalah O(n/k) 2. Algoritma ComputeCorrelationSimilarity Input : Y merupakan dataset untuk pelatihan dan juga merupakan dataset dari semua rating yang sudah diberikan user. K merupakan jumlah kelompok yang dibuat, sehingga jumlah k lebih kecil dari jumlah user pada dataset Y. t adalah jumlah maksimum batas dari perulangan yang dilakukan. minchange adalah nilai batasan apabila perubahan titik pusat kelompok yang sekarang dan sebelumnya kurang dari nilai minchange,maka perulangan akan dihentikan. Output : k kelompok data yang dikarakteristik melalui titik tengah masing-masing : c1, c2, c3, ck. Metode : Kelompok akan dibentuk dengan melakukan prosedur berikut : 1. Hitung vektor mula-mula ro sebagai titik pusat dari Y dengan menggunakan rumus berikut r o = ri Y, i Y 2. Pemilihan k titik awal yang saling terpisah : c1, c2,c3, ck
11 3. Penempatan setiap user dari Y pada kelompok Cn, dimana cn berkorelasi paling dekat dengan nilai rating dari user tersebut 4. Perhitungan titik tengah yang baru untuk tiap kelompok yang didapat dari rata-rata dari user pada kelompok tersebut, dengan menggunakan rumus : c j = ri / cj, i Cj 5. Iterations Jika iterations > t maka lanjut ke langkah 8 7. Jika perubahan yang terjadi pada titik pusat lebih besar dari batasan minchange maka kembali kelangkah Stop d(cj, Cj prev ) < minchange
PENDAHULUAN. 1.1 Latar Belakang
DAFTAR TABEL Tabel 3-1 Dokumen Term 1... 17 Tabel 3-2 Representasi... 18 Tabel 3-3 Centroid pada pengulangan ke-0... 19 Tabel 3-4 Hasil Perhitungan Jarak... 19 Tabel 3-5 Hasil Perhitungan Jarak dan Pengelompokkan
Lebih terperinciBAB I PENDAHULUAN. Pesatnya pertumbuhan internet saat ini berdampak pada melimpahnya
BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya pertumbuhan internet saat ini berdampak pada melimpahnya informasi dengan sangat cepat dan jumlah yang sangat besar. Hal ini membuat suatu keadaan dimana kita
Lebih terperinciKONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI
KONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI Wiranto 1), Edi Winarko 2) 1) Jurusan Teknik Informatika, Universitas Sebelas Maret E-mail : wir@uns.ac.id 2) Program Studi Ilmu
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan diterangkan tentang analisa dan perancangan sistem sebuah website informasi wisata di Malang menggunakan algoritma Userbased Collaborative Filtering
Lebih terperinciKONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI
KONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI Wiranto 1, Edi Winarko 2 1 Jurusan Teknik Informatika, Universitas Sebelas Maret 2 Program Studi Ilmu Komputer, Universitas Gajah
Lebih terperinciBAB III METODOLOGI PENELITIAN
III-1 BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan suatu cara atau tindakan peneliti dalam pencarian data dan menggunakan data tersebut untuk dapat dijadikan sebagai sebuah informasi yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN BAB 1. PENDAHULUAN 1.1 Latar Belakang Transaksi perdagangan merupakan salah satu kegiatan yang sering kita jumpai pada kehidupan sehari-hari. Transaksi perdagangan tidak hanya menggunakan
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di jaman modern sekarang ini, pilihan tempat makan yang ada sangat banyak, berbagai fasilitas dan jenis makanan, dan harga yang ditawarkan Melihat dari jumlah tempat
Lebih terperinciBAB I PENDAHULUAN. tanggal 31 Desember Kelebihan atau ledakan informasi pada jaringan internet
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di era teknologi ini, pertumbuhan pengguna Internet sangat pesat. Berdasarkan situs internetworldstats.com, terdapat 55 juta pengguna Internet di Indonesia
Lebih terperinciBAB I PENDAHULUAN. bermunculan, baik yang menggunakan franchise ataupun yang menggunakan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Makanan merupakan salah satu kebutuhan primer dari manusia (Sasrawan, 2013). Kebutuhan akan makanan akan selalu meningkat karena jumlah penduduk yang semakin
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Deskripsi Umum Sistem Pada penelitian ini akan melakukan sebuah eksperimen dengan menggunakan sebuah algoritma Collaborative Filtering pada sebuah sistem rekomendasi
Lebih terperinciDIGITAL CAKERY DENGAN ALGORITMA COLLABORATIVE FILTERING
DIGITAL CAKERY DENGAN ALGORITMA COLLABORATIVE FILTERING Yudhistira Adhitya Pratama, David Wijaya, Paulus, Arwin Halim STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 yudhistira@mikroskil.ac.id,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan zaman, kemajuan dalam bidang ilmu pengetahuan dan teknologi informasi berkembang sangat pesat. Maka informasi juga semakin banyak dan membuat
Lebih terperinciSISTEM REKOMENDASI PEMINJAMAN VCD DENGAN METODE ITEM BASED COLLABORATIVE FILTERING
SISTEM REKOMENDASI PEMINJAMAN VCD DENGAN METODE ITEM BASED COLLABORATIVE FILTERING Oleh ROBINSON GULTOM M0104054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Rekomendasi 2.1.1 Pengantar Sistem Rekomendasi Proses memberitahukan kepada seseorang atau lebih bahwa sesuatu yang dapat dipercaya, dapat juga merekomendasikan diartikan
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB 1 PENDAHULUAN 1.1 Latar Belakang Informasi dan data saat ini bisa diakses dengan lebih cepat dan mudah melalui internet. Orang-orang dapat dengan mudah mencari dan mendapatkan informasi apa pun yang
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Sistem Rekomendasi Sistem rekomendasi merupakan sebuah metode untuk memberikan rekomendasi dengan memprediksi nilai sebuah item bagi seorang pengguna dan kemudian mempresentasikan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan diterangkan teori-teori yang mendasari dari penelitian yang akan dilakukan oleh penulis yang diantaranya meliputi : UKM Wisata, Sistem Rekomendasi, Collaborative
Lebih terperinciBAB I PENDAHULUAN. kecelakaan, kehilangan, kematian, kerusakan atau sakit.
1 BAB I PENDAHULUAN 1.1 Latar Belakang Asuransi merupakan perjanjian antar dua pihak atau lebih yang melibatkan pembayaran premi secara teratur dalam jangka tertentu sebagai ganti polis yang menjamin perlindungan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Berikut ini dijelaskan tentang tampilan hasil dari sistem pendukung keputusan penjualan pupuk pada PT. Sentana Adidaya Pratama dengan yang dibangun dapat
Lebih terperinciBAB II LANDASAN TEORI
II-1 BAB II LANDASAN TEORI 2.1 Pengertian Perpustakaan Defenisi Perpustakaan Menurut Undang-Undang Nomor 43 Tahun 2007 tentang perpustakaan, perpustakaan adalah institusi pengelola karya tulis, karya cetak,
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.
BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
IV- BAB IV ANALISA DAN PERANCANGAN 4 Analisa Sistem Rekomendasi Pada analisa sistem rekomendasi berikut ini akan membahas tentang analisa pokok analisa sistem lama analisa sistem baru analisa kebutuhan
Lebih terperinciBAB III Landasan Teori
BAB III Landasan Teori 3.1 Sistem Rekomendasi Sistem rekomendasi merupakan suatu aplikasi untuk menyediakan dan merekomendasikan suatu item dalam membuat suatu keputusan yang diinginkan oleh pengguna (Ungkawa,
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1 Sistem Rekomendasi Sistem rekomendasi telah banyak digunakan secara luas hampir di seluruh area bisnis. Salah satunya digunakan di bidang pariwisata yang digunakan untuk membuat
Lebih terperinciBAB II. Tinjauan Pustaka
BAB II. Tinjauan Pustaka Bab ini menjelaskan mengenai pustaka yang digunakan oleh penulis sebagai pembanding dan acuan dalam membuat sistem. Ada beberapa penelitian yang telah dilakukan sebelumnya, penelitian
Lebih terperinciAnalisis dan Implementasi Prediksi Rating pada Memory-based Collaborative Filtering dengan Menggunakan Smoothing
Analisis dan Implementasi Prediksi Rating pada Memory-based Collaborative Filtering dengan Menggunakan Smoothing Analysis and Implemantation Rating Prediction om memory-based Collaborative Filtering with
Lebih terperinciERROR-TOLERANT FASCICLES UNTUK COLLABORATIVE FILTERING ABSTRAK
ERROR-TOLERANT FASCICLES UNTUK COLLABORATIVE FILTERING Gunawan, Herman Budianto, Dody Soegiharto, dan Indra Maryati Jurusan Teknik Informatika Sekolah Tinggi Teknik Surabaya gunawan@stts.edu, herman@stts.edu,
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Perlunya hiburan untuk menikmati keindahan alam dan menyegarakn fikiran. Untuk itu kebanyakan masyarakat mempergunakan waktu liburan panjang mereka
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan volume dan keragaman informasi yang tersedia di internet saat ini sangat pesat sehingga mendorong tumbuhnya media pemberitaan online.
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. Pada penelitian sebelumnya yang dilakukan kan oleh Zhang, L. (Zhang, L.,
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Pada penelitian sebelumnya yang dilakukan kan oleh Zhang, L. (Zhang, L., 2014), ia memanfaatkan algoritma User-Based Collaborative laborative
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Siswa berprestasi merupakan dambaan bangsa yang diharapkan untuk menjadi pemimpin ataupun generasi yang dapat memajukan bangsa Indonesia. Namun
Lebih terperinciPembuatan Sistem Rekomendasi Menggunakan Decision Tree dan Clustering
Pembuatan Sistem Rekomendasi Menggunakan Decision Tree dan Clustering Junaidillah Fadlil Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) ABSTRAK Sistem rekomendasi adalah suatu sistem yang digunakan untuk melakukan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alur Metodologi Penelitian Metodologi penelitian merupakan sekumpulan rangkaian tahapan kegiatan atau prosedur yang digunakan oleh pelaksana penelitian yang dilakukan
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Masyarakat menjadi kritis dalam penentuan kartu paket internet di dalam kualitas jaringan, kuota dan harga. Masyarakat terkadang bingung ketika
Lebih terperinciBAB 1 PENDAHULUAN. kegiatan belajar mengajar yang efektif.
2 BAB 1 PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan teknologi yang semakin pesat, Binus University sebagai salah satu perguruan tinggi di Indonesia dituntut untuk mengikuti perkembangan
Lebih terperinciBAB 1 PENDAHULUAN Pengantar
BAB 1 PENDAHULUAN 1.1. Pengantar Perkembangan dunia computer dewasa ini sangat cepat, sehingga dapat dimanfaatkan untuk berbagai bidang. Komputer pada awal mula perkembanganya kebanyakan digunakan untuk
Lebih terperinciBAB I PENDAHULUAN 1.1 Tujuan 1.2 Latar Belakang
BAB I PENDAHULUAN 1.1 Tujuan Merancang sebuah sistem yang dapat meringkas teks dokumen secara otomatis menggunakan metode generalized vector space model (GVSM). 1.2 Latar Belakang Dunia informasi yang
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI Pada bab ini akan dibahas mengenai beberapa landasan teori yang digunakan untuk perancangan dan pembuatan aplikasi rekomendasi informasi yang bisa dijadikan sebagai acuan. 3.1 Media
Lebih terperinciBAB III SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PRODUK PROVIDER GSM MENGGUNAKAN METODE WEIGHTED PRODUCT
22 BAB III SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PRODUK PROVIDER GSM MENGGUNAKAN METODE WEIGHTED PRODUCT 31 Sistem Pendukung Keputusan Definisi awal sistem pendukung keputusan adalah suatu sistem yang ditujukan
Lebih terperinciBAB I PENDAHULUAN. Penelitian seputar sistem rekomendasi dalam satu dekade terakhir ini
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian seputar sistem rekomendasi dalam satu dekade terakhir ini berkembang bang dengan pesat. Lebih dari 200 artikel penelitian yang membahas tentang sistem stem
Lebih terperinciSistem Rekomendasi Film menggunakan Bisecting K-Means dan Collaborative Filtering
Sistem Rekomendasi Film menggunakan Bisecting K-Means dan Collaborative Filtering Arwin Halim 1, Hernawati Gohzali 2, Dita Maria Panjaitan 3, Ilham Maulana 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil,
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
Lebih terperinciBAB I PENDAHULUAN. Pengguna Internet (31 Desember 2000) Afrika 1,037,524,058 4,514, ,609,620 2,527.4%
BAB I PENDAHULUAN 1.1 Latar Belakang Pengguna internet di dunia mengalami peningkatan. Statistik pengguna internet berdasarkan hasil survey Nielsen Online, yaitu pada tanggal 31 Maret 2011 menunjukkan
Lebih terperinciBAB 1 PENDAHULUAN Pengantar
BAB 1 PENDAHULUAN 1.1. Pengantar Perkembangan teknologi komputer saat ini sangatlah cepat sehingga komputer banyak digunakan di berbagai bidang. Dalam bidang usaha, penggunaan komputer dapat mempermudah
Lebih terperinciANALISIS PERBANDINGAN METODE PEARSON DAN SPEARMAN CORRELATION PADA RECOMMENDER SYSTEM
ANALISIS PERBANDINGAN METODE PEARSON DAN SPEARMAN CORRELATION PADA RECOMMENDER SYSTEM Rika Sania, Warih Maharani, dan Angelina Prima K Fakultas Informatika Institut Teknologi Telkom, Bandung ran_mour@yahoo.com,wrh@ittelkom.ac.id,apk@ittelkom.ac.id.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Langkah-langkah untuk mendefinisikan urutan pemecahan masalah dijelaskan dalam bagian ini. Tahapan-tahapan yang akan dilakukan dalam penelitian ini adalah sebagai berikut
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Sistem Tanaman kopi merupakan tanaman penghasil biji kopi yang akan diolah menjadi kopi. Banyak penggemar kopi memilih kopi berdasarkan kualitas rasa dan
Lebih terperinciRancang Bangun Movie Recommender System Dengan Metode Cluster-Based Smoothing Collaborative Filtering
Rancang Bangun Movie Recommender System Dengan Metode Cluster-Based Smoothing Collaborative Filtering Teguh Budianto 1, Luh Kesuma Wardhani 2 Jurusan Teknik Informatika, Universitas Islam Negeri Sultan
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM Bab ini akan menjelaskan analisa sistem dan perancangan sebuah aplikasi desktop untuk pendataan bayi dan analisa kesehatan dengan mengimplementasikan algoritma Analitycal
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tinjauan atau review seseorang yang ditujukan kepada suatu objek atau produk sangat berpengaruh terhadap penilaian publik atas produk tersebut (Sahoo, 2013). Review
Lebih terperinciBAB 3. Metode Perancangan Produk
BAB 3 Metode Perancangan Produk Berikut adalah flow diagram dari tahapan-tahapan yang dilakukan mulai dari awal sampai pengujian konsep dalam melakukan proses pengembangan produk: Gambar 3.1 Flow Diagram
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bagi perusahaan yang bergerak dalam industri manufaktur, sistem informasi produksi yang efektif merupakan suatu keharusan dan tidak lepas dari persoalan persediaan
Lebih terperinciANALISIS DAN IMPLEMENTASI METODE ITEM-BASED CLUSTERING HYBRID PADA RECOMMENDER SYSTEM
ANALISIS DAN IMPLEMENTASI METODE ITEM-BASED CLUSTERING HYBRID PADA RECOMMENDER SYSTEM Ramadhanuz A Djamal, Warih Maharani, dan Angelina Prima Kurniati Fakultas Informatika Institut Teknologi Telkom, Bandung
Lebih terperinciBAB I PENDAHULUAN. yang berkaitan dengan urutan (prioritas) yang dilakukan oleh sistem. Menurut J.
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Antrian adalah sekumpulan proses dan mekanisme di dalam suatu sistem yang berkaitan dengan urutan (prioritas) yang dilakukan oleh sistem. Menurut J. Liberman,
Lebih terperinciAnalisis Perbandingan Sistem Rekomendasi dengan Faktorisasi Matriks dan Pearson Berbasis Collaborative Filtering Pada Web E-Commerce
Analisis Perbandingan Sistem Rekomendasi dengan Faktorisasi Matriks dan Pearson Berbasis Collaborative Filtering Pada Web E-Commerce 1 Marissa Aflah Syahran 2 Erwin Budi Setiawan 3 Sri Suryani Fakultas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN SISWA TELADAN DI SDN 5 TUNGGUL PAWENANG. Beta Wulan Asmara 1, Dedi Irawan 2
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN SISWA TELADAN DI SDN 5 TUNGGUL PAWENANG Beta Wulan Asmara 1, Dedi Irawan 2 Jurusan Sistem Informasi STMIK Pringsewu Lampung Jl. Wisma Rini No. 09 Pringsewu Lampung
Lebih terperinciSISTEM REKOMENDASI PEMINJAMAN BUKU PADA PERPUSTAKAAN UIN SUSKA RIAU DENGAN METODE USER-BASED COLABORATIF FILTERING TUGAS AKHIR
SISTEM REKOMENDASI PEMINJAMAN BUKU PADA PERPUSTAKAAN UIN SUSKA RIAU DENGAN METODE USER-BASED COLABORATIF FILTERING TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Pada
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Kebutuhan akan informasi yang akurat dan tepat untuk penyajian data sangat diperlukan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kebutuhan akan informasi yang akurat dan tepat untuk penyajian data sangat diperlukan oleh suatu organisasi atau perusahaan. Sekolah merupakan salah satu organisasi
Lebih terperinciPT. DIMENSI OKTAV NADA SUARA
BAB I PENDAHULUAN 1.1.LATAR BELAKANG Komputer saat ini telah menjadi kebutuhan manusia di dalam melakukan berbagai kegiatan, ditambah dengan adanya teknologi informasi yang semakin berperan di dalam dunia
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Perpustakaan merupakan faktor penting di dalam penunjang kebutuhan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perpustakaan merupakan faktor penting di dalam penunjang kebutuhan informasi. Dalam perpustakaan terdapat kumpulan koleksi, majalah, koran yang disusun berdasarkan
Lebih terperinciRancang bangun Website Voucher diskon Golekvoucher.com Menggunakan Item Based Collaborative Filtering Recommendation Algorithm
Rancang bangun Website Voucher diskon Golekvoucher.com Menggunakan Item Based Collaborative Filtering Recommendation Algorithm Romansah Koeswandy Kho Universitas Ciputra UC Town, Citraland Surabaya 60219
Lebih terperinciSISTEM REKOMENDASI BAHAN AJAR UNTUK ELEARNING
SISTEM REKOMENDASI BAHAN AJAR UNTUK ELEARNING Hervin Islahudin Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan Tamansari 10 Bandung 40132 E-mail: hervin@gmail.com ABSTRAKSI Sistem
Lebih terperinciPemanfaatan Metode Vector Space Model dan Metode Cosine Similarity pada Fitur Deteksi Hama dan Penyakit Tanaman Padi
Pemanfaatan Metode Vector Space Model dan Metode Cosine Similarity pada Fitur Deteksi Hama dan Penyakit Tanaman Padi Ana Triana Informatika, Fakultas MIPA, Universitas Sebelas Maret Surakarta Jl. Ir. Sutami
Lebih terperinciBAB 3 PERANCANGAN PERANGKAT LUNAK
A 3 PERANCANGAN PERANGKAT LUNAK Pada bab ini diuraikan mengenai perancangan perangkat lunak untuk implementasi aplikasi pengenalan obyek tiga dimensi dengan metode Subclass Discriminant Analysis (SDA).
Lebih terperinciBAB 3 METODE PENELITIAN
33 BAB 3 METODE PENELITIAN 3.1 Desain Penelitian Penelitian yang dilakukan dalam skripsi ini ditunjukkan untuk menganalisis faktor internal dan eksternal dalam perusahaan, serta untuk memperbaiki strategi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini, akan dibahas landasan teori, penelitian terdahulu, kerangka pikir yang mendasari penyelesaian rekomendasi dengan menggunakan metode Simple Additive Weighting (SAW).
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Masalah Sistem yang sedang berjalan pada saat ini dalam proses seleksi penerimaan team leader di PT. KAO Indonesia masih secara semikomputerisasi, sehingga
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1. Penyusunan Hirarki Dari identifikasi dan subatribut yang dominan, dapat disusun struktur hirarki sebagai berikut: Gambar 4.1 Struktur Hirarki Penerima Beasiswa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tinjauan Umum Sistem pengolahan data secara manual akan membuat keterbatasan penyajian informasi yang terkadang informasi ini sangat dibutuhkan secepat mungkin oleh pengguna
Lebih terperinciBAB I PENDAHULUAN. memiliki kualitas jaringan yang tidak bagus dan memiliki harga yang mahal.
BAB I PENDAHULUAN I.1. Latar Belakang Masyarakat menjadi kritis dalam penentuan kartu paket internet di dalam kualitas jaringan, kuota dan harga. Masyarakat terkadang bingung ketika harus memilih kartu
Lebih terperinciPERBANDINGAN EFEKTIFITAS METODE USER-BASED COLLABORATIVE FILTERING DENGAN METODE USER-ITEM BASED COLLABORATIVE FILTERING
PERBANDINGAN EFEKTIFITAS METODE USER-BASED COLLABORATIVE FILTERING DENGAN METODE USER-ITEM BASED COLLABORATIVE FILTERING SKRIPSI Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. dilakukan. Dengan demikian, pengembang mendapatkan rujukan pendukung,
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Dalam tinjauan pustaka, pengembang mengawali dengan menelaah penelitian terdahulu yang memiliki keterkaitan serta relevansi dengan penelitian
Lebih terperinciBAB I PENDAHULUAN. berbasis web, seperti situs internet resmi perusahaan atau intranet perusahaan
BAB I PENDAHULUAN 1.1. Latar Belakang Menurut Kerim & Kettley (2003), E-Recruitment adalah segala macam proses perekrutan yang dilakukan oleh suatu organisasi bisnis melalui alat-alat berbasis web, seperti
Lebih terperinciBAB III PERANCANGAN APLIKASI & MEKANISME PEMBOBOTAN SICBI
BAB III PERANCANGAN APLIKASI & MEKANISME PEMBOBOTAN SICBI 3.1. KONSEP APLIKASI SIMPLE-O adalah aplikasi penilaian esai otomatis berbasis web yang dikembangkan di Indonesia, tepatnya di Departemen Teknik
Lebih terperinciBAB I PENDAHULUAN. atau yang sering disebut dengan CG (Computer Graphics) untuk membuat efek film
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi dan komunikasi telah meningkat dalam berbagai bidang seperti bidang ekonomi, ilmu pengetahuan, industri maupun dalam kehidupan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan komputasi dan komunikasi telah menghasilkan masyarakat yang haus akan informasi (Witten, et al. 2011). Meningkatnya penggunaan teknologi komputer dalam
Lebih terperinciBAB 2 LANDASAN TEORI Sistem Rekomendasi
6 BAB 2 LANDASAN TEORI 2.1. Sistem Rekomendasi Sistem rekomendasi merupakan sebuah perangkat lunak yang bertujuan untuk membantu pengguna dengan cara memberikan rekomendasi kepada pengguna ketika pengguna
Lebih terperinciAnalisis dan Implementasi Imputation-Boosted Neighborhood-Based Collaborative Filtering Menggunakan Genre Film
Analisis dan Implementasi Imputation-Boosted Neighborhood-Based Collaborative Filtering Menggunakan Genre Film Analysis and Implementation of Imputation-Boosted Neighborhood-Based Collaborative Filtering
Lebih terperinciBAB II DASAR TEORI. terbagi atas beberapa tahap yaitu: perancangan basis data secara konseptual, logis dan fisis.
BAB II DASAR TEORI 2.1. Konsep dan Definisi Konsep 2.1.1.Konsep Dasar Perancangan Perancangan basis data merupakan langkah untuk menentukan basis data yang diharapkan dapat mewakili kebutuhan pengguna.
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN Makna penelitian secara sederhana ialah bagaimana mengetahui sesuatu yang dilakukan melalui cara tertentu dengan prosedur yang sistematis. Proses sistematis ini tidak lain adalah
Lebih terperinciBAB I PENDAHULUAN. Kegiatan pemasaran perusahaan bersaing semakin ketat terutama
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kegiatan pemasaran perusahaan bersaing semakin ketat terutama memasuki abad 21 ini, menuntut setiap perusahaan untuk selalu inovatif dalam mengembangkan usahanya.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kegiatan memasak dilakukan seseorang untuk menghidangkan suatu masakan. Memasak selain menjadi rutinitas yang cukup penting dalam kehidupan sehari-hari, juga
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1 Analisa Masalah Analisa masalah bertujuan untuk mengklarifikasi serta melakukan evaluasi terhadap sistem pembelian sepeda motor bekas yang sedang berjalan pada
Lebih terperinciBAB I PENDAHULUAN. signifikan terhadap proses bisnis di setiap organisasi. Sebagai contoh, dengan
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi yang sangat pesat memberikan dampak yang signifikan terhadap proses bisnis di setiap organisasi. Sebagai contoh, dengan menggunakan
Lebih terperinciBAB I PENDAHULUAN. efisiensi tenaga dan waktu. Hal ini disebabkan karena penerapan IT bersifat
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan Teknologi Informasi (TI) hampir semua menggunakan bantuan komputer dengan tujuan untuk meningkatkan efisiensi tenaga dan waktu.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN MENGGUNAKAN METODE FUZZY SAW (Studi Kasus SMKN 4 Bandar lampung)
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN MENGGUNAKAN METODE FUZZY SAW (Studi Kasus SMKN 4 Bandar lampung) Fitria¹, sulyono² ¹, ² Department of Informatics Engineering, The Informatics and Busines,
Lebih terperinciPENERAPAN METODE TOPSIS UNTUK MENDUKUNG PROGRAM BANTUAN PERUMAHAN RAKYAT
PENERAPAN METODE TOPSIS UNTUK MENDUKUNG PROGRAM BANTUAN PERUMAHAN RAKYAT Aris Rakhmadi 1*, Nana Suhendar 2 1,2 Prodi Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta
Lebih terperinciSistem Pendukung Keputusan Pemilihan Siswa Terbaik Menggunakan FMADM Di Skadron Pendidikan 204 Pangkalan TNI AU Sulaiman Bandung
Sistem Pendukung Keputusan Pemilihan Siswa Terbaik Menggunakan FMADM Di Skadron Pendidikan 204 Pangkalan TNI AU Sulaiman Bandung Zaky Satrio Wijaya 10106463 Dosen Pembimbing Dosen Penguji I Dosen Penguji
Lebih terperinciBAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisis masalah bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Penentuan Kualitas Buah Apel Menggunakan Metode SAW Pada Swalayan
Lebih terperinciBAB II DASAR TEORI Crawler Definisi Focused Crawler dengan Algoritma Genetik [2]
BAB II DASAR TEORI Pada bab ini dibahas teori mengenai focused crawler dengan algoritma genetik, text mining, vector space model, dan generalized vector space model. 2.1. Focused Crawler 2.1.1. Definisi
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka berpikir Perubahan nilai tukar rupiah terhadap mata uang asing tidak dapat dihindari. Untuk mengatasi perubahan yang tidak pasti ini diperlukan suatu prediksi.
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN Pada bab ini berisi tentang latar belakang pembuatan dari aplikasi deteksi kemiripan dokumen dengan metode Cosine Similarity, rumusan masalah, tujuan, batasan masalah yang ada pada pembuatan
Lebih terperinciPenerapan Algoritma Collaborative Filtering Untuk Rekomendasi Games Hardware
ISSN: 2089-3787 305 Penerapan Algoritma Collaborative Filtering Untuk Rekomendasi Games Hardware Norma Yanti, Rustati Rahmi, Ruliah Program Studi Sistem Informasi, STMIK Banjarbaru Jl. A. Yani Km. 33,3
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Pemecahan masalah tersebut dapat dilakukan dengan mengembangkan sistem yang dirancangan berdasarkan kebutuhan pengguna. Dengan kata lain terjadi
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisis masalah bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Penentuan Jumlah Produksi Keramik pada PT. Jui Shin Medan.
Lebih terperinci