PENERAPAN WEB SCRAPING DAN ITEM-BASED COLLABORATIVE FILTERING PADA SISTEM REKOMENDASI ARTIKEL ILMIAH BERBASIS WEB BERDASARKAN KETERKAITAN TOPIK SKRIPSI

MARDIANSYAH, TRISKA and Faurina, Ruvita and Ferzha, Putra Utama (2022) PENERAPAN WEB SCRAPING DAN ITEM-BASED COLLABORATIVE FILTERING PADA SISTEM REKOMENDASI ARTIKEL ILMIAH BERBASIS WEB BERDASARKAN KETERKAITAN TOPIK SKRIPSI. Undergraduated thesis, Universitas Bengkulu.

Text Skripsi_Triska Mardiansyah.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (9MB)

Abstract

Pada proses menyusun skripsi masih banyak mahasiswa yang kesulitan dalam mencari referensi atau artikel yang berkaitan pada penelitian. Saat ini internet menjadi salah satu destinasi yang kerap dimanfaatkan mahasiswa dalam pencarian referensi, namun informasi yang tersebar luas di internet tersebut tidak sepenuhnya dapat dipertanggungjawabkan kebenarannya. Salah satu solusi dari permasalahan tersebut adalah dengan membangun sebuah search engine yang mampu mengumpulkan dan merekomendasikan artikel yang berkaitan dengan topik skripsi mahasiswa. Penelitian ini menggunakan metode web scraping sebagai teknik pengambilan data artikel pada google scholar dan item-based collaborative filtering untuk merekomendasikan artikel berdasarkan item-item yang dicari, diklik dan diunduh oleh user. Metode ini bertujuan memprediksi item berdasarkan preferensi pengguna dan pengguna lain yang berafiliasi atau yang memiliki ketertarikan pada item yang sama. Penelitian ini menghasilkan sistem rekomendasi artikel ilmiah berbasis web dalam bahasa pemrograman python. Pada pengujian hasil rekomendasi diperoleh MAE sebesar 0,08, MSE sebesar 1,08 dan RMSE diperoleh sebesar 1,04. Jika diubah dalam bentuk persentase maka nilai kesalahan perhitungan dari MAE, MSE, dan RMSE berturut-turut adalah 0,06%, 0,81%, dan 0,78% atau dapat dikatakan bahwa akurasi dari sistem rekomendasi adalah 99,94%, 99,19% dan 99,22%. Kata Kunci: Skripsi, Sistem Rekomendasi, Web Scraping, Item-Based Collaborative Filtering

Actions (login required)

View Item