Sistem rekomendasi berita online dengan menggunakan algoritma Apriori dan Association Rule

Rahmawati, Silmi (2024) Sistem rekomendasi berita online dengan menggunakan algoritma Apriori dan Association Rule. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (256kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (185kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (237kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (478kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (430kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (381kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (197kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (206kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi berita yang sesuai dengan preferensi pengguna dengan mengintegrasikan algoritma apriori dan association rule serta metode content-based filtering. Pendekatan yang digunakan dalam penelitian ini adalah metodologi CRISP-DM. pengumpulan data dilakukan dengan teknik scraping dari portal berita Detik.com, Kompas, dan CNN Indonesia dengan total 38.021 berita yang digunakan untuk data training sebanyak 35.491 berita dan untuk data testing sebanyak 2.531 berita. Ppreprocessing data dilakukan dengan teknik seperti lowercasing, tokenisasi, dan POS Tagging menggunakan library Stanford NLP, serta filterisasi kata berdasarkan kategori gramatikal. Evaluasi kinerja dilakukan dengan dua skenario pengujian dengan kombinasi nilai support minimum yang berbeda adapun metrik evaluasi yang digunakan adalah precision, recall, dan F1-score. Hasil pengujian menunjukkan nilai support minimum 0,01 dan confidence minimum 0,1 memiliki kinerja yang lebih baik yaitu menghasilkan precision sebesar 74% dan recall sebesar 68%. Dengan demikian, model diintegrasikan dengan aplikasi berbasis web yang dibuat menggunakan framework Flask dan bahasa pemrograman Python. Pembangunan aplikasi sistem rekomendasi berita berbasis web berhasil dilakukan memberikan rekomendasi berita yang relevan kepada pengguna secara efektif.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Association Rule; Apriori; Rekomendasi Berita; Cosine Similarity; Content Based Filtering
Subjects: Data Processing, Computer Science
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Silmi Rahmawati
Date Deposited: 02 Sep 2024 01:45
Last Modified: 02 Sep 2024 01:45
URI: https://digilib.uinsgd.ac.id/id/eprint/95009

Actions (login required)

View Item View Item