Penerapan Kombinasi Algoritma Minhash dan Binary Hamming Distance pada Hybrid Perekomendasi Lagu
Abstract: Teknik yang biasanya
digunakan untuk menghasilkan rekomendasi adalah content-based, social-based dan
hybrid. Content-based dan social-based adalah teknik rekomendasi yang berdiri
sendiri, sedangkan hybrid adalah kombinasi dari beberapa teknik rekomendasi,
seperti kombinasi knowledge-based dan
social-based pada aplikasi EntreeC dan
kombinasi social-based dan content-based pada DailyLearner. Teknik hybrid
menghasilkan rekomendasi yang lebih baik daripada teknik rekomendasi yang
berdiri sendiri, seperti meningkatkan akurasi rekomendasi dan mempercepatan
produksi rekomendasi. Akan tetapi, berdasarkan penelitian sebelumnya, hybrid
social-based dan content-based yang diterapkan pada data lagu, tidak
menghasilkan rekomendasi yang lebih baik. Oleh karena itu, pada penelitian ini
kombinasi social-based dan content-based yang diterapkan pada data lagu akan
dikombinasikan dengan strategi switching,mixed, dan cascade yang diharapkan
mampu menghasilkan keluaran yang lebih baik.
Hasil dari penelitian ini, hybrid yang menggunakan strategi switching,
cascade, dan mixed mampu membuat rekomendasi yang nilai akurasinya melebihi
rekomendasi yang dihasilkan social-based dan content-based murni pada data yang
memiliki nilai sparsity 0.94. Hal ini dibuktikan dengan nilai rata-rata akurasi
hybrid yang mencapai 0,48, nilai minhash 0,17 dan nilai hamming 0,42. Sedangkan
untuk data yang memiliki nilai sparsity 0,96, algoritma ini nilai akurasinya
dibawah algoritma binary hamming distance. Hal ini dibuktikan dengan nilai
rata-rata akurasi hybrid 0,4, nilai minhash 0,06 dan nilai binary hamming
distance 0,41.
Penulis: Lutvi Satriyo Putro,
Ristu Saptono, Rini Anggrainingsih
Kode Jurnal: jptinformatikadd130398