Electronic Resource

Optimasi Rekomendasi Produk Ecommerce Dengan Collaborative Filtering Dan Adjucted Cosine Similarity

---

Salah satu produk IT yang populer saat ini adalah e-commerce.
Dengan pertumbuhan pengguna internet di Indonesia dan munculnya
startup baru turut menyumbang peningkatan pertumbuhan ekonomi
digital di Indonesia (Yuliani, 2020). Semakin banyaknya informasi
produk yang ada e-commerce menghadirkan tantangan bagi pembeli
dimana pembeli sering mengalami kesulitan saat mencari produk karena
banyaknya produk yang dijual. Maka dari itu dibutuhkanlah sebuah
sistem rekomendasi yang dapat memprediksi produk yang diinginkan
pembeli. Dalam Sistem Rekomendasi biasanya terdapat 3 metode yang
sering digunakan Collaborative Filtering, Content Based dan Hybrid.
Collaborative Filtering dipilih karena data yang dibutuhkan untuk
merekomendasikan adalah data yangtidak berkaitan dengan spesifikasi
produk sehingga dapat merekomendasikan produk yang berbeda jenis.
Cosine similarity adalah metode yang populer digunakan ketika
mencari kemiripan antar dokumen. Sehingga metode ini baik ketika
digunakan untuk mencari kemiripan antar user ataupun antar item.
Algoritma Adjusted cosine similarity adalah algoritma untuk mengatasi
kelemahan algoritma cosine similarity, contohnya ketika terdapat
perbedaan skema peratingan dalam user. Untuk menyeimbangkan nilai
ratingnya dapat menggunakan algoritma cosine similarity. Tujuan
penelitian ini adalah membandingkan performa collaborative filtering
ketika digabung dengan cosine similarity dan adjusted cosine
similarity

---

Ketersediaan

21345402/SB/2023

KKI 001.6 AND o/s

Perpustakaan Unikama

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

KKI 001.6 AND o/s

Penerbit

Malang : Teknik Informatika - Unikama., 2021

Deskripsi Fisik

xvii, 84hlm 26cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

001.6

Tipe Isi

text

Tipe Media

PDF

Tipe Pembawa

-

Edisi

1

Subjek

Skripsi
Sistem Rekomendasi
Collaborative Filtering
Casine Similarity
Adjusted Cosine Similarity

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar