PENERAPAN ALGORITMA COLLABORATIVE FILTERING UNTUK REKOMENDASI SKEMA VSGA LANJUTAN DI BBPSDMP KOMINFO MEDAN
Abstract
Sistem rekomendasi membantu pengguna memilih alternatif terbaik berdasarkan data interaksi, terutama dalam konteks pelatihan dalam hal pendidikan. Salah satu metode yang digunakan adalah Collaborative Filtering, yang bekerja dengan menganalisis pola preferensi melalui rating pengguna. Penelitian ini bertujuan mengembangkan sistem rekomendasi berbasis Collaborative Filtering pada program Vocational School Graduate Academy (VSGA) untuk membantu lulusan memilih skema pelatihan yang sesuai dengan kebutuhan mereka. Dua metode utama diterapkan, yaitu Pearson Correlation dan Cosine Similarity. Pearson Correlation mengukur kesamaan pola preferensi melalui perhitungan rata-rata, sementara Cosine Similarity menghitung kemiripan antar pengguna dengan pendekatan vektor. Adapun dataset sebanyak 50 data yang digunakan yaitu dataset rating dari masing-masing skema pelatihan VSGA sebanyak 45 data dan menggunakan 5 data pembanding untuk di uji, untuk mencari rekomendasi pada 2 data. Sistem ini dibangun menggunakan Python dengan pustaka Pandas, NumPy, dan scikit-learn. Hasil pengujian menunjukkan bahwa kedua metode memberikan rekomendasi akurat sesuai skenario tertentu. Sistem ini diharapkan membantu lulusan menemukan pelatihan relevan, meningkatkan kualitas pembelajaran, dan mempersiapkan mereka menghadapi era industri 4.0.
Kata kunci: Collaborative Filtering; Pearson Correlation; Cosine Similarity; Sistem Rekomendasi; Algoritma
Full Text:
PDFReferences
A. E. Wijaya and D. Alfian. (2018). Sistem Rekomendasi Laptop Menggunakan Collaborative Filtering Dan Content-Based Filtering. J. Comput. Bisnis, 12(1), 11–27.
Agnes. (2023). Collaborative Filtering pada Algoritma Data Science.
Aisyah, N., & Putra, A. S. (2022). Sistem Pendukung Keputusan Rekomendasi Pemilihan Manajer Terbaik Menggunakan Metode AHP (Analytic Hierarchy Process). Jurnal Esensi Infokom : Jurnal Esensi Sistem Informasi Dan Sistem Komputer, 5(2), 7–13. https://doi.org/10.55886/infokom.v5i2.275
Ajeng Swari Sukmawati, P., Hiryanto, L., & Christanti Mawardi, V. (2023). Implementasi Metode Collaborative Filtering Based Untuk Sistem Rekomendasi Buku Fiksi. Jurnal Ilmu Komputer Dan Sistem Informasi, 11(2). https://doi.org/10.24912/jiksi.v11i2.25999
Devi Nurhayati, S., & Widayani, W. (2021). Sistem Rekomendasi Wisata Kuliner di Yogyakarta dengan Metode Item-Based Collaborative Filtering Yogyakarta Culinary Recommendation System with Item-Based Collaborative Filtering Method. JACIS : Journal Automation Computer Information System, 1(2), 55–63. https://manganenakyog.my.id/,
Fadhullah, A. N., Fauziah, F., & Winarsih, W. (2022). Aplikasi Deteksi Dini Plagiarism Penelitian Ilmiah Menggunakan Algoritma Consine Similarity Berbasis Web. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 6(3), 325–334. https://doi.org/10.35870/jtik.v6i3.427
Fauzi, M. A., Chotijah, U., & Bhakti, H. D. (2021). Sistem Rekomendasi Desain Jersey Menggunakan Metode Item Based Collaborative Filtering. Indexia, 3(2), 34. https://doi.org/10.30587/indexia.v3i2.2925
Haviluddin, H., Patandianan, S. J., Putra, G. M., Puspitasari, N., & Pakpahan, H. S. (2021). Implementasi Metode K-Means Untuk Pengelompokkan Rekomendasi Tugas Akhir. Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer, 16(1), 13. https://doi.org/10.30872/jim.v16i1.5182
Nst, K. K., Zufria, I., & Fakhriza, M. (2024). Sistem Pendukung Keputusan Pemberian Kelayakan Kredit Usaha Rakyat Dengan Menggunakan Metode Saw & Topsis. Jurnal Responsif : Riset Sains Dan Informatika, 6(1), 143–154. https://doi.org/10.51977/jti.v6i1.1552
Nurhani, F., & Samsudin. (2022). Implementasi Algoritma Collaborative Filtering pada Sistem Pemesanan Makanan dan Minuman dengan Platform Android. Jurnal Ilmiah Komputasi, 21(3), 317–332. https://doi.org/10.32409/jikstik.21.3.3110
Prasetio, M. A., & Hasugian, A. H. (2024). REKOMENDASI MUSIK. 9(1), 36–43.
Prasetyo, B., Haryanto, H., Astuti, S., Astuti, E. Z., & Rahayu, Y. (2019). Implementasi Metode Item-Based Collaborative Filtering dalam Pemberian Rekomendasi Calon Pembeli Aksesoris Smartphone. Eksplora Informatika, 9(1), 17–27. https://doi.org/10.30864/eksplora.v9i1.244
Pratama, F. D., Zufria, I., & Triase, T. (2022). Implementasi Data Mining Menggunakan Algoritma Naïve Bayes Untuk Klasifikasi Penerima Program Indonesia Pintar. Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, 7(1), 77–84. https://doi.org/10.36341/rabit.v7i1.2217
Pratama, M. R., Islam, U., & Sumatera, N. (2024). FORECASTING THROUGHPUT CAPACITY ON 5GHZ WIRELESS RADIO NETWORK USING LINEAR REGRESSION METHOD PERAMALAN KAPASITAS THROUGHPUT PADA JARINGAN RADIO WIRELESS 5GHZ DENGAN METODE. 631–643.
Rayhan Rizal Mahendra, Fetty Tri Anggraeny, & Henni Endah Wahanani. (2024). Implementasi Item-Based Collaborative Filtering Untuk Rekomendasi Film. Repeater : Publikasi Teknik Informatika Dan Jaringan, 2(3), 213–221. https://doi.org/10.62951/repeater.v2i3.140
Rokhim, A., & Saikhu, A. (2016). Sistem Rekomendasi Buku Pada Aplikasi PerpustakaanMenggunakan Metode Collaborative Filtering Pada Smkn 1 Bangil. Jurnal SPIRIT, 8(2), 43–46.
Triono, A., Budi, A. S., & Abdillah, R. (2023). Implementasi Peretasan Sandi Vigenere Chipper Menggunakan Bahasa Pemograman Python. Jurnal JOCOTIS - Journal Science Informatika and Robotics, 1(1), 1–9. https://jurnal.ittc.web.id/index.php/jumri
Zulvian, S. A., Prihandani, K., & Ridha, A. A. (2021). Perbandingan Metode MSD Dan Cosine Similarity Pada Sistem Rekomendasi Item-Based Collaborative Filtering. Journal of Information Technology and Computer Science (INTECOMS), 4(2), 340–347.
DOI: https://doi.org/10.54314/jssr.v8i1.2685
Article Metrics
Abstract view : 12 timesPDF - 4 times