Sistem Rekomendasi Hibrid Pemilihan Mobil Berdasarkan Profil Pengguna dan Profil Barang
Abstract
Penelitian ini membahas tentang sistem rekomendasi berbasis web pada mobil. Tujuan penelitian ini adalah untuk merekomendasikan mobil berdasarkan model pengguna dan profil barang. Perancangan sistem rekomendasi mobil berbasis web dengan menggunakan algoritma rekomendasi hibrid. Algoritma pemberi rekomendasi hibrid yang diusulkan adalah kombinasi dari metode pemfilteran kolaboratif pengguna ke pengguna dan item ke item untuk menghasilkan rekomendasi pemilihan mobil. Model pengguna dirancang menggunakan fitur demografis, data klik dan riwayat penelusuran. Profil barang dibangun dengan menggunakan berbagai atribut mobil, merek mobil, dan jenis mobil yang digunakan dalam penelitian ini. Dataset terdiri dari data pengguna dengan sesi digunakan untuk membuat model pengguna. Algoritma yang diusulkan dievaluasi dengan pengguna real time, akurasi dalam menghasilkan rekomendasi. Kinerja sistem yang diusulkan dapat ditingkatkan dengan menggunakan jaringan waktu nyata
Downloads
References
Adomavicius, G., Tuzhilin, A. (2005). Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions. IEEE Transactions on Knowledge and Data Engineering, 17(6), 734–749. https://doi.org/10.1109/tkde.2005.99
Adomavicius, G., & Tuzhilin, A. (2001). Multidimensional recommender systems: A data warehousing approach. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2232, 180–192. https://doi.org/10.1007/3-540-45598-1_17
Baraglia, R., & Silvestri, F. (2004). An online recommander system for large Web sites. Proceedings - IEEE/WIC/ACM International Conference on Web Intelligence, WI 2004, 199–205. https://doi.org/10.1109/WI.2004.10158
Burke, R. (2013). Integrating Knowledge-based and Collaborative-filtering Recommender Integrating Knowledge-based and Collaborative-filtering Recommender Systems. (May 2000).
Chen, Z., Feng, Y., & Li, H. (2014). A novel top-K automobiles probabilistic recommendation model using user preference and user community. Proceedings - 11th IEEE International Conference on E-Business Engineering, ICEBE 2014 - Including 10th Workshop on Service-Oriented Applications, Integration and Collaboration, SOAIC 2014 and 1st Workshop on E-Commerce Engineering, ECE 2014, 105–111. https://doi.org/10.1109/ICEBE.2014.28
Doychev, D., Lawlor, A., Rafter, R., & Smyth, B. (2014). An analysis of recommender algorithms for online news. CEUR Workshop Proceedings, 1180, 825–836. Retrieved from http://ceur-ws.org/Vol-1180/CLEF2014wn-Newsreel-DoychevEt2014.pdf
Ferreira, J., Pereira, P., Filipe, P., & Afonso, J. (2011). Recommender system for drivers of electric vehicles. ICECT 2011 - 2011 3rd International Conference on Electronics Computer Technology, 5, 244–248. https://doi.org/10.1109/ICECTECH.2011.5941995
Guo, D., Zhu, Y., Xu, W., Shang, S., & Ding, Z. (2016). How to find appropriate automobile exhibition halls: Towards a personalized recommendation service for auto show. Neurocomputing, 213, 95–101. https://doi.org/10.1016/j.neucom.2016.02.084
Huang, Z., Chung, W., Ong, T.-H., & Chen, H. (2002). A graph-based recommender system for digital library. The Second ACM/IEEE-CS Joint Conference on Digital Libraries - JCDL ’02, 65. https://doi.org/10.1145/544229.544231
Kavinkumar, V., Reddy, R. R., Balasubramanian, R., Sridhar, M., Sridharan, K., & Venkataraman, D. (2015). A hybrid approach for recommendation system with added feedback component. 2015 International Conference on Advances in Computing, Communications and Informatics, ICACCI 2015, 745–752. https://doi.org/10.1109/ICACCI.2015.7275700
Kim, K. jae, & Ahn, H. (2008). A recommender system using GA K-means clustering in an online shopping market. Expert Systems with Applications, 34(2), 1200–1209. https://doi.org/10.1016/j.eswa.2006.12.025
Kim, Y. S., & Yum, B. J. (2011). Recommender system based on click stream data using association rule mining. Expert Systems with Applications, 38(10), 13320–13327. https://doi.org/10.1016/j.eswa.2011.04.154
Munawar, Zen and Putri, N. I. (2020). Keamanan Jaringan Komputer Pada Era Big Data. J-SIKA| Jurnal Sistem Informasi Karya Anak Bangsa, 02(01), 14–20.
Munawar, Z, Suryana, N., Sa’aya, Z. B., & Herdiana, Y. (2020). Framework With An Approach To The User As An Evaluation For The Recommender Systems. 2020 Fifth International Conference on Informatics and Computing (ICIC), 1–5. https://doi.org/10.1109/ICIC50835.2020.9288565
Munawar, Zen. (2017). Penggunaan Profil Media Sosial Untuk Memprediksi Kepribadian. TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi, 4(2 SE-Articles), 18–37. https://doi.org/10.38204/tematik.v4i2.176
Munawar, Zen. (2018). Keamanan Pada E-Commerce Usaha Kecil dan Menengah. TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi, 5(1), 1–16. https://doi.org/10.38204/tematik.v5i1.144
Munawar, Zen. (2019a). Aplikasi Registrasi Seminar Berbasis Web Menggunakan QR Code pada Universitas XYZ. Tematik, Jurnal Teknologi Informasi Dan Komunikasi, 6(2), 68–77. https://doi.org/10.38204/tematik.v6i2.246
Munawar, Zen. (2019b). Meningkatkan Kinerja Individu melalui Kritik/Saran menggunakan Recommender System . TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi, 6(1 SE-Articles). https://doi.org/10.38204/tematik.v6i1.185
Munawar, Zen. (2020a). Mekanisme keselamatan, keamanan dan keberlanjutan untuk sistem siber fisik. Jurnal Teknologi Informasi Dan Komunikasi, 7(1), 58–87. https://doi.org/10.38204/tematik.v7i1.371
Munawar, Zen. (2020b). Perbaikan Teknis Sistem Pencatatan Persediaan Barang Berbasis Komputer Bagi Pedagang Buku Pasar Palasari Kota Bandung Menghadapi Era Pasar Kompetitif. JAST : Jurnal Aplikasi Sains Dan Teknologi, 4(1), 52. https://doi.org/10.33366/jast.v4i1.1587
Munawar, Zen, Fudsyi, M. I., & Musadad, D. Z. (2019). Perancangan Interface Aplikasi Pencatatan Persediaan Barang Di Kios Buku Palasari Bandung Dengan Metode User Centered Design Menggunakan Balsamiq Mockups. Jurnal Informatika, 6(2), 10–20.
Munawar, Zen, & Putri, N. I. (2020). Keamanan IoT Dengan Deep Learning dan Teknologi Big Data. TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi, 7(2), 161–185. https://doi.org/10.38204/tematik.v7i2.479
Munawar, Zen, Putri, N. I., & Musadad, D. Z. (2020). Meningkatkan Rekomendasi Menggunakan Algoritma Perbedaan Topik. J-SIKA| Jurnal Sistem Informasi Karya Anak Bangsa, 02(02), 17–26. Retrieved from https://ejournal.unibba.ac.id/index.php/j-sika/article/view/378
Munawar, Zen, Siswoyo, B., & Herman, N. S. (2017). Machine learning approach for analysis of social media. ADRI International. Journal. Information. Technology, 1, 5–8.
Putri, N. I., Komalasari, R., & Munawar, Z. (2020). Pentingnya Keamanan Data dalam Intelijen Bisnis. J-SIKA| Jurnal Sistem Informasi Karya Anak Bangsa, 02(02), 41–48.
Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2001). Item-Based Collaborative Filtering Recommendation Algorithms. World Wide Web Conference, 285–295. https://doi.org/10.1145/371920.372071
Woerndl, W., Schueller, C., Wojtech, R., & Gmbh, U. (2007). A_hybrid_recommender_system_for_context-.pdf. 871–878.
Yanagihara, T., Namiki, R., Nawa, K., Weir, D., & Oguchi, K. (2013). Combining prediction methods with cyber information for proactive route recommendation. 2013 IEEE International Conference on Cyber Technology in Automation, Control and Intelligent Systems, IEEE-CYBER 2013, 87–91. https://doi.org/10.1109/CYBER.2013.6705425