Penerapan metode collaborative filtering untuk sistem rekomendasi pada aplikasi medisains / Cevin Ways Al Cornelis
| Main Author: | Al Cornelis, Cevin Ways |
|---|---|
| Other Authors: | 1. Eng. Muhammad Ashar; 2. Muhammad Iqbal Akbar |
| Format: | PeerReviewed |
| Bahasa: | ind |
| Terbitan: |
Universitas Negeri Malang. Program Studi Teknik Informatika
, 2022
|
| Subjects: | |
| Online Access: |
http://mulok.library.um.ac.id/oaipmh/../home.php?s_data=Skripsi&s_field=0&mod=b&cat=3&id=113629 |
Daftar Isi:
- Aplikasi Medisains merupakan wadah bagi para peneliti di bidang kedokteran farmasi dan bidang kesehatan lainnya dalam menyampaikan hasil eksperimen mereka yang di tuangkan dalam bentuk artikel penelitian ataupun dalam bentuk media pembelajaran nbsp digital nbsp lainnya. Artikel penelitian dan media pembelajaran dalam berbagai bentuk tersebut nantinya bisa di bagikan kepada sesama peneliti lain sehingga ilmu kesehatan yang bermanfaat tersebut dapat di pelajari serta dapat di terapkan oleh peneliti lain melalui aplikasi nbsp Medisains. nbsp Pada aplikasi nbsp Medisains Peniliti lain bisa melihat artikel penelitian apa saja yang ingin mereka pilih dan dipelajari sesuai dengan keinginan dan ketertarikan mereka. Penerapan metode nbsp collaborative nbsp filtering nbsp pada penelitian ini bertujuan untuk membantu peneliti mendapatkan rekomendasi artikel apa saja yang sesuai bagi peneliti. Metode nbsp collaborative filtering nbsp menggunakan data nbsp rating nbsp yang telah diberikan oleh peneliti terhadap suatu artikel penelitian lalu data nbsp rating nbsp tersebut akan dibandingkan dengan data nbsp rating nbsp dari peneliti lain untuk dicari kemiripannya. Pada penelitian penerapan nbsp metode collaborative filtering nbsp untuk sistem rekomendasi pada aplikasi nbsp Medisains nbsp ini menggunakan tiga nbsp variable nbsp sebagai objek penelitian diantaranya adalah data peneliti data artikel peneliti dan data nbsp rating nbsp artikel penelitian. Dalam penerapan algoritma sistem rekomendasi dengan metode nbsp collaborative filtering menggunakan dua pendekatan yaitu nbsp user-based nbsp dan nbsp item-based. Dari dua pendekatan tersebut bisa di dapatkan hasil rekomendasi yang lebih bernilai dan akurat. Hasil dari penelitian meyimpulkan bahwa metode nbsp collaborative filtering nbsp menghasilkan rekomendasi daftar artikel penelitian kepada peneliti lain dan dari penelitian ini juga dapat disimpulkan bahwa nilai nbsp Mean Absolute Error nbsp (MAE) akan semakin besar jika jumlah data semakin banyak dan sebaliknya data dengan jumlah sedikit menghasilkan nilai nbsp MAE nbsp yang kecil.