SISTEM REKOMENDASI FILM ANIME MENGGUNAKAN METODE COLLABORATIVE PAIRWISE LEARNING TO RANK (CPLR) BERBASIS MOBILE DAN WEB

M LUTHFI SUGARA NST and M FANDI ADHITYA and SAM RISONTA SEMBIRING (2019) SISTEM REKOMENDASI FILM ANIME MENGGUNAKAN METODE COLLABORATIVE PAIRWISE LEARNING TO RANK (CPLR) BERBASIS MOBILE DAN WEB. Undergraduate (S-1) thesis, Universitas Mikroskil.

[thumbnail of BAGIAN AWAL.pdf] Text
BAGIAN AWAL.pdf

Download (9MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (2MB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (7MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (23MB)
[thumbnail of BAGIAN AKHIR.pdf] Text
BAGIAN AKHIR.pdf

Download (705kB)

Abstract

Anime adalah animasi khas Jepang, yang biasanya memiliki ciri-ciri melalui gambar berwarna yang menampilkan tokoh-tokoh (Antagonis, protagonis, hingga Figuran). Dalam perkembangannya, anime di Indonesia mengalami perkembangan yang cukup pesat dalam mengumpulkan peminat. Dengan banyaknya judul dan genre anime yang berbeda-beda menjadi sulit untuk memilih anime yang ingin ditonton. Untuk mempermudah dalam memilih anime, maka kami menggunakan nilai/rate yang diberikan oleh user untuk merekomendasikan film anime. Dengan menggunakan nilai, penonton dapat dengan mudah menentukan anime mana yang tepat untuk dilihat. Nilai atau rate yang di dapat, dikalkulasikan menggunakan algoritma Collaborative Pairwise Learning to Rank(CPLR), kemudian nilai tersebut ditetapkan sebagai nilai rekomendasi. Nilai tersebut kemudian diurutkan dari terbesar ke terkecil sebelum diberikan kembali kepada user sebagai rekomendasi. Nilai rekomendasi yang didapat kemudian dikalkulasikan kembali menggunakan Meant Absolute Error (MAE), untuk mencari rata-rata error pada algoritma CPLR. Berdasarkan pengujian MAE pada algoritma CPLR, rata-rata error yang didapatkan sistem adalah 0,425586151, yang berarti sistem mampu menghasilkan rekomendasi film anime yang sudah mendekati kebutuhan user.

Item Type: Tugas Akhir / Tesis (Undergraduate (S-1))
Subjects: Teknik Informatika
Divisions: Fakultas Informatika > Program Studi S-1 Teknik Informatika
Depositing User: Adi Kurniawan
Date Deposited: 14 Feb 2023 09:58
Last Modified: 14 Feb 2023 09:58
URI: https://repository.mikroskil.ac.id/id/eprint/1361

Actions (login required)

View Item
View Item