Andika, Tiara Freddy (2016) SISTEM REKOMENDASI TEMPAT MENGGUNAKAN METODE USER-BASED COLLABORATIVE FILTERING DAN K-NN DENGAN DATA CHECK-IN PADA TWITTER. S1 thesis, Universitas Pendidikan Indonesia.
|
Text
S_KOM_0905543_Title.pdf Download (112kB) | Preview |
|
|
Text
S_KOM_0905543_Abstract.pdf Download (54kB) | Preview |
|
|
Text
S_KOM_0905543_Table_of_content.pdf Download (152kB) | Preview |
|
|
Text
S_KOM_0905543_Chapter1.pdf Download (146kB) | Preview |
|
![[img]](http://repository.upi.edu/style/images/fileicons/text.png) |
Text
S_KOM_0905543_Chapter2.pdf Restricted to Staf Perpustakaan Download (464kB) |
|
|
Text
S_KOM_0905543_Chapter3.pdf Download (172kB) | Preview |
|
|
Text
S_KOM_0905543_Chapter4.pdf Restricted to Staf Perpustakaan Download (654kB) |
|
|
Text
S_KOM_0905543_Chapter5.pdf Download (59kB) | Preview |
|
|
Text
S_KOM_0905543_Bibliography.pdf Download (131kB) | Preview |
|
|
Text
S_KOM_0905543_Appendix.pdf Restricted to Staf Perpustakaan Download (140kB) |
Abstract
Twitter merupakan jejaring sosial berupa mikroblog yang memungkinkan penggunanya untuk mengirim dan membaca pesan yang disebut kicauan (tweet ). Disamping itu terdapat Foursquare dan Path yang merupakan jejaring sosial berbasis lokasi yang memungkinkan penggunanya melakukan check-in atau menandai lokasi dimana pengguna tersebut berada, penandaan ini dimaksudkan supaya pengguna lainnya atau pengguna yang menjalin relasi secara online dengannya mendapatkan informasi bahwa pengguna berada di tempat tersebut. Pada penelitian ini peneliti akan memanfaatkan data check-in pengguna media sosial tersebut untuk membuat sebuah aplikasi rekomendasi tempat. Aplikasi bertujuan untuk mempermudah pengguna untuk menemukan informasi tempat berdasarkan kemiripan location history pengguna lain dengan pengguna. Penelitian ini akan menggunakan metode user-based collaborative filtering dan k-NN. Collaborative recommendation dianggap cocok untuk menyelesaikan persoalan pada penelitian ini karena collaborative-based recommendation merekomendasikan item berdasarkan referensi penilaian pengguna lain yang memiliki kemiripan prilaku dengan pengguna. Kemiripan prilaku pengguna dengan pengguna lain akan dihitung menggunakan metode cosine similarity. K-NN akan digunakan untuk menentukan seberapa besar pengaruh pengguna lain terhadap rekomendasi yang dibuat. Penelitian menggunakan NER untuk menemukan entity venue pada setiap tweet . Dengan menggunakan precission and recall didapat hasil evaluasi dari kinerja aplikasi rekomendasi, yaitu precission 61,02% dan recall 31,08% Kata Kunci: Rekomendasi Tempat, Collaborative-based, Cosine Similarity, k-NN, Precission and Recall
| Item Type: | Thesis (S1) |
|---|---|
| Additional Information: | No. Panggil : S KOM AND s-2016; Pembimbing : I. Yadi Wibisono, II. Herbert Siregar |
| Uncontrolled Keywords: | Rekomendasi Tempat, Collaborative-based, Cosine Similarity, k-NN, Precission and Recall |
| Subjects: | Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer |
| Depositing User: | Mrs. Neni Sumarni |
| Date Deposited: | 23 Apr 2018 02:33 |
| Last Modified: | 23 Apr 2018 02:33 |
| URI: | http://repository.upi.edu/id/eprint/29662 |
Actions (login required)
 |
View Item |