Perpustakaan Fakultas Ilmu Komputer

Pengarang	Tanya Nabila;
Kata Kunci	Recommendation System, Collaborative Filtering, Autoencoder, Loyalty Platform, Neural Network, Unsupervised Learning
Pembimbing 2	M. Ivan Fannany
Tahun buku	2015
Barcode RFID baru	11603528
Progam Studi	ILMU KOMPUTER
Tahun Angkatan	2011
Lokasi	FASILKOM-UI;
Tanggal Datang	22/07/2015
Abstrak Indonesia	ABSTRAK Nama : TANYA NABILA Program Studi : Ilmu Komputer Judul : Implementasi Collaborative Filtering Menggunakan Autoencoder Dengan Data Loyalty Platform Semakin banyak perusahaan media menggunakan sistem rekomendasi untuk memberikan layanan yang lebih baik dan lebih cerdas. Salah satu pendekatan sistem rekomendasi yang sering dipakai untuk mendeteksi dan memprediksi tingkat ketertarikan pengguna adalah collaborative filtering. Perkembangan konsep deep learning kini telah menunjukkan kemampuannya dalam mengekstrak fitur dari kumpulan data mentah dengan pelatihan yang bersifat unsupervised. Riset ini berniat untuk mengadopsi konsep deep learning tersebut dan mengintegrasikan autoencoder dalam collaborative filtering. Eksperimen yang dilakukan menggunakan kumpulan data dari suatu loyalty program dan hasilnya telah menunjukkan kemampuannya untuk memprediksi dengan baik. Kata Kunci: Autoencoder, Collaborative Filtering, Sistem Rekomendasi, Loyalty Platform, Neural Network, Unsupervised Learning
Judul	Collaborative filtering implementation with autoencoder on loyalty platfrom data
NPM	1106017326
Abstrak English	ABSTRACT Name : Tanya Nabila Study Program : Ilmu Komputer Title : COLLABORATIVE FILTERING IMPLEMENTATION WITH AUTOENCODER ON LOYALTY PLATFORM DATA More companies are deploying recommendation systems in order to provide better and more intelligent service to its users. One of the most widely used approaches in detecting and predicting a user’s preference in a recommendation system is collaborative filtering. Recent developments of the deep learning concept have shown their exceptional capability to extract features from raw and sparse data with fully unsupervised training. This research proposes to implement an autoencoder-based collaborative filtering. This experimental study tackles on a real dataset from an actual loyalty program and has shown the autoencoder’s potential in effectively predicting users’ preference. Key words: Recommendation System, Collaborative Filtering, Autoencoder, Loyalty Platform, Neural Network, Unsupervised Learning
Penguji 2	Widijanto Satyo Nugroho
Fisik	xii, 43 hlm.;ill; 30 cm.
Bahasa	Ind
Lulus Semester	GENAP 2014/ 2015
Penerbitan	Depok: FASILKOM UI, 2015
No. Panggil	SK-1355 (Softcopy SK-837) Source Code SK-544
Penguji 1	Lim Yohanes Stefanus

Lokasi : Perpustakaan Fakultas Ilmu Komputer

Nomor Panggil	ID Koleksi	Status
SK-1355 (Softcopy SK-837) Source Code SK-544		TERSEDIA

SK-1355 Tanya Nabila (1106017326#39A2).pdf

Tidak ada review pada koleksi ini: 42818

ABSTRAK Nama : TANYA NABILA Program Studi : Ilmu Komputer Judul : Implementasi Collaborative Filtering Menggunakan Autoencoder Dengan Data Loyalty Platform Semakin banyak perusahaan media menggunakan sistem rekomendasi untuk memberikan layanan yang lebih baik dan lebih cerdas. Salah satu pendekatan sistem rekomendasi yang sering dipakai untuk mendeteksi dan memprediksi tingkat ketertarikan pengguna adalah collaborative filtering. Perkembangan konsep deep learning kini telah menunjukkan kemampuannya dalam mengekstrak fitur dari kumpulan data mentah dengan pelatihan yang bersifat unsupervised. Riset ini berniat untuk mengadopsi konsep deep learning tersebut dan mengintegrasikan autoencoder dalam collaborative filtering. Eksperimen yang dilakukan menggunakan kumpulan data dari suatu loyalty program dan hasilnya telah menunjukkan kemampuannya untuk memprediksi dengan baik. Kata Kunci: Autoencoder, Collaborative Filtering, Sistem Rekomendasi, Loyalty Platform, Neural Network, Unsupervised Learning