Aprian, Fiki (2025) Model weighted hybrid filtering untuk cold start dan peningkatan diversity rekomendasi kuliner. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
01. Cover.pdf Download (285kB) | Preview |
|
|
Text (ABSTRAK)
02. Abstrak.pdf Download (288kB) | Preview |
|
|
Text (SURAT PERNYATAAN KARYA SENDIRI)
03. Surat pernyataan karya sendiri.pdf Download (1MB) | Preview |
|
|
Text (DAFTAR ISI)
04. Daftar Isi.pdf Download (239kB) | Preview |
|
|
Text (BAB I)
05. Bab 1.pdf Download (382kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
06. Bab 2.pdf Restricted to Registered users only Download (465kB) |
|
|
Text (BAB III)
07. Bab 3.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB IV)
08. Bab 4.pdf Restricted to Registered users only Download (909kB) |
|
|
Text (BAB V)
09. Bab 5.pdf Restricted to Registered users only Download (262kB) |
|
|
Text (DAFTAR PUSTAKA)
10. Daftar Pustaka.pdf Restricted to Registered users only Download (260kB) |
|
|
Text (LAMPIRAN)
11. Lampiran.pdf Restricted to Repository staff only Download (172kB) |
Abstract
Sistem rekomendasi memainkan peran penting dalam membantu pengguna menemukan produk yang relevan dan beragam sesuai preferensi mereka. Namun, tantangan seperti masalah cold start dan rendahnya keberagaman rekomendasi masih sering dijumpai terutama pada pendekatan tunggal seperti Content-Based Filtering (CBF) dan Collaborative Filtering (CF). Penelitian ini bertujuan untuk membangun model Weighted Hybrid Filtering yang menggabungkan keunggulan CBF dan CF guna meningkatkan relevansi dan diversitas rekomendasi. Model dikembangkan dengan pemberian bobot skor prediksi dari kedua pendekatan menggunakan parameter α, dan dievaluasi menggunakan metrik Precision@10, Recall@10, F1@10, serta Intra-List Diversity (ILD@10). Hasil evaluasi menunjukkan bahwa model hybrid dengan α = 0.9 mampu mencapai keseimbangan performa terbaik, dengan skor F1@10 sebesar 0.6659 dan ILD@10 sebesar 0.8022. Temuan ini membuktikan bahwa model hybrid mampu mengatasi keterbatasan masing-masing pendekatan tunggal serta memberikan rekomendasi yang lebih akurat dan bervariasi. Pendekatan ini berpotensi diterapkan dalam sistem rekomendasi kuliner untuk meningkatkan pengalaman pengguna secara signifikan.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | : sistem rekomendasi; hybrid filtering; cold start; content-based filtering; collaborative filtering; diversitas |
| Subjects: | Data Processing, Computer Science Data Processing, Computer Science > Computer Science Education Special Computer Methods > Artificial Intelligence |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Fiki Aprian |
| Date Deposited: | 04 Sep 2025 01:02 |
| Last Modified: | 04 Sep 2025 01:02 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/117419 |
Actions (login required)
 |
View Item |
