{"title":"基于内容过滤的基于推荐系统的准确性测试","authors":"Wayan Gede Suka Parwita","doi":"10.30872/JIM.V14I1.1272","DOIUrl":null,"url":null,"abstract":"Rekomendasi dosen pembimbing dalam Sintesys memanfaatkan dokumen UPP dan dokumen publikasi atau penelitian calon dosen pembimbing sebagai dasar penentuan rekomendasi. Adapun dengan semakin banyaknya mahasiswa yang mengajukan UPP maka akan meningkatkan jumlah proses yang dilakukan sehingga perlu ditinjau pengaruh dari penerapan stopword removal sebagai salah satu proses dalam ektraksi dokumen. Penelitian dimulai dengan analisis sistem yang telah dibangun pada penelitian Parwita (Parwita, Swari, & Welda, 2018). Analisis ini memetakan komponen yang akan digunakan dalam pengujian sistem rekomendasi. Setelah analisis sistem, selanjutnya dilakukan pengumpulan data seperti stopword, rekomendasi dosen, dan dokumen penelitian dosen. Setiap dokumen penelitian dosen akan dibandingkan dengan UPP mahasiswa. Nilai tertinggi dari salah satu dokumen penelitian dosen akan digunakan sebagai nilai similaritas antara penelitian dosen dan UPP mahasiswa. Hasil pengujian merupakan nilai precission, recall, dan f-mesure yang digunakan dalam melakukan analisis hasil pengujian. Pengujian sistem rekomendasi dengan proses stopword menunjukkan nilai precission, recall, dan f-measure yang berbeda-beda untuk setiap minimum similarity yang ditetapkan. Nilai tertinggi pada sistem rekomendasi dengan proses stopword untuk precission didapatkan pada minimum similarity 30%, recall pada minimum similarity 5%, dan f-measure pada minimum similarity 20 % dan 25%. ","PeriodicalId":149284,"journal":{"name":"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer","volume":"27 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-02-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"7","resultStr":"{\"title\":\"Pengujian Akurasi Sistem Rekomendasi Berbasis Content-Based Filtering\",\"authors\":\"Wayan Gede Suka Parwita\",\"doi\":\"10.30872/JIM.V14I1.1272\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Rekomendasi dosen pembimbing dalam Sintesys memanfaatkan dokumen UPP dan dokumen publikasi atau penelitian calon dosen pembimbing sebagai dasar penentuan rekomendasi. Adapun dengan semakin banyaknya mahasiswa yang mengajukan UPP maka akan meningkatkan jumlah proses yang dilakukan sehingga perlu ditinjau pengaruh dari penerapan stopword removal sebagai salah satu proses dalam ektraksi dokumen. Penelitian dimulai dengan analisis sistem yang telah dibangun pada penelitian Parwita (Parwita, Swari, & Welda, 2018). Analisis ini memetakan komponen yang akan digunakan dalam pengujian sistem rekomendasi. Setelah analisis sistem, selanjutnya dilakukan pengumpulan data seperti stopword, rekomendasi dosen, dan dokumen penelitian dosen. Setiap dokumen penelitian dosen akan dibandingkan dengan UPP mahasiswa. Nilai tertinggi dari salah satu dokumen penelitian dosen akan digunakan sebagai nilai similaritas antara penelitian dosen dan UPP mahasiswa. Hasil pengujian merupakan nilai precission, recall, dan f-mesure yang digunakan dalam melakukan analisis hasil pengujian. Pengujian sistem rekomendasi dengan proses stopword menunjukkan nilai precission, recall, dan f-measure yang berbeda-beda untuk setiap minimum similarity yang ditetapkan. Nilai tertinggi pada sistem rekomendasi dengan proses stopword untuk precission didapatkan pada minimum similarity 30%, recall pada minimum similarity 5%, dan f-measure pada minimum similarity 20 % dan 25%. \",\"PeriodicalId\":149284,\"journal\":{\"name\":\"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer\",\"volume\":\"27 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2019-02-28\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"7\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30872/JIM.V14I1.1272\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30872/JIM.V14I1.1272","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Pengujian Akurasi Sistem Rekomendasi Berbasis Content-Based Filtering
Rekomendasi dosen pembimbing dalam Sintesys memanfaatkan dokumen UPP dan dokumen publikasi atau penelitian calon dosen pembimbing sebagai dasar penentuan rekomendasi. Adapun dengan semakin banyaknya mahasiswa yang mengajukan UPP maka akan meningkatkan jumlah proses yang dilakukan sehingga perlu ditinjau pengaruh dari penerapan stopword removal sebagai salah satu proses dalam ektraksi dokumen. Penelitian dimulai dengan analisis sistem yang telah dibangun pada penelitian Parwita (Parwita, Swari, & Welda, 2018). Analisis ini memetakan komponen yang akan digunakan dalam pengujian sistem rekomendasi. Setelah analisis sistem, selanjutnya dilakukan pengumpulan data seperti stopword, rekomendasi dosen, dan dokumen penelitian dosen. Setiap dokumen penelitian dosen akan dibandingkan dengan UPP mahasiswa. Nilai tertinggi dari salah satu dokumen penelitian dosen akan digunakan sebagai nilai similaritas antara penelitian dosen dan UPP mahasiswa. Hasil pengujian merupakan nilai precission, recall, dan f-mesure yang digunakan dalam melakukan analisis hasil pengujian. Pengujian sistem rekomendasi dengan proses stopword menunjukkan nilai precission, recall, dan f-measure yang berbeda-beda untuk setiap minimum similarity yang ditetapkan. Nilai tertinggi pada sistem rekomendasi dengan proses stopword untuk precission didapatkan pada minimum similarity 30%, recall pada minimum similarity 5%, dan f-measure pada minimum similarity 20 % dan 25%.