TEKNIK PEMBANGUNAN SISTEM REKOMENDASI LOCATION-AWARE DAN PRIVACY-AWARE DENGAN MENGGUNAKAN SUPPORT VECTOR MACHINE (STUDI KASUS : DATA RESTAURANT PADA FOURSQUARE)

PINATA, YURA and Diyah, Puspitaningrum and Hanifah, Hanifah (2017) TEKNIK PEMBANGUNAN SISTEM REKOMENDASI LOCATION-AWARE DAN PRIVACY-AWARE DENGAN MENGGUNAKAN SUPPORT VECTOR MACHINE (STUDI KASUS : DATA RESTAURANT PADA FOURSQUARE). Undergraduated thesis, Universitas Bengkulu.

[img] Archive (Thesis)
SKRIPSI_G1A012027_YURA PINATA.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (3MB)

Abstract

Sistem rekomendasi merupakan sebuah perangkat lunak yang bertujuan untuk membantu pengguna dengan cara memberikan rekomendasi kepada pengguna ketika pengguna dihadapkan dengan jumlah informasi yang besar. Dengan adanya rekomendasi, sistem mampu menghasilkan keluaran yang sesuai dengan kebutuhan seorang pengguna sistem. Kemajuan sistem rekomendasi berbasis teknologi terus berkembang, namun rekomendasi yang diberikan lebih banyak ke keputusan suka atau tidak suka dan belum banyak memanfaatkan jarak radius antara pengguna dengan sebuah tempat (dalam penelitian ini restoran), komentar pengguna pada kolom komentar tidak dijadikan sebagai acuan dalam rekomendasi dan pertemanan pengguna tidak dijadikan sebuah pertimbangan dalam rekomendasi. Penelitian ini tidak hanya mengangkat Location-Aware dalam konteks geolokasi (radius), melainkan juga mempertimbangkan komentar pengguna dalam menentukan perangkingan nilai sentimen positif tertinggi yang dihubungkan dengan Privacy-Aware yaitu teknik untuk menemukan sebuah lokasi terbaik dengan melihat pertemanan. Pemprosesan analisis sentimen pada komentar pengguna terhadap restoran menggunakan algoritma Support Vector Machine yang pada penelitian ini digunakan untuk mendapatkan restoran terbaik berdasarkan komentar, tergolong positif atau negatif. Hasil set up terbaik Support Vector Machine diperoleh pada kernel nonlinear RBF degree 3 dengan akurasi validasi sistem 97.33 % dan pengujian sistem 96.36 %. Ketepatan rekomendasi dengan Location-Aware adalah dapat mencapai 0.9 pada p@1 lalu menurun hingga 0.82 pada p@3, untuk Privacy-Aware adalah 1 pada p@1 lalu menurun hingga 0.934 pada p@3.

Item Type: Thesis (Undergraduated)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 164 Irma Rohayu
Date Deposited: 05 Dec 2017 02:35
Last Modified: 05 Dec 2017 02:35
URI: http://repository.unib.ac.id/id/eprint/15314

Actions (login required)

View Item View Item