SISTEM REKOMENDASI INDEKS WEB DENGAN METODE FREQUENT TERMS BERBASIS MULTI INSTANCE LEARNING
Abstract: Halaman indeks
dikenal sebagai halaman yang mengelompokkan informasi-informasi, dengan
memberikan judul serta penjelasan singkat tentang suatu informasi, dimana
informasi lengkap akan dipresentasikan pada halaman-halaman lain. Namun dengan
ketersediaan informasi yang menjadi semakin menumpuk, keberadaan halaman indeks
yang semakin banyak justru menyebabkan kesulitan dalam mendapatkan informasi
karena mungkin akan mengarahkan pada banyak informasi yang tidak relevan. Tanpa
adanya sebuah sistem yang dapat membantu navigasi user, untuk mencari informasi
yang diinginkan sama saja dengan sebuah kegiatan trial dan error. Dalam
penelitian ini, dirancang sebuah sistem rekomendasi indeks web yang melibatkan
aktifitas user dalam mengakses halaman indeks. Sistem ini mengelompokkan
frequent terms pada halaman indeks dan kemudian mengimplementasikan metode
Multi Instance Learning untuk memberikan rekomendasi secara otomatis dari
halaman-halaman indeks baru. Algoritma yang digunakan adalah algoritma Citation
kNN yang diadaptasi menjadi fretCit-kNN dengan mengaplikasikan minimal
Hausdorff distance dalam pengukuran jaraknya. Dalam hasil proses dan analisis
disimpulkan bahwa dengan beberapa macam uji coba data dari beberapa user sistem
menampilkan performa hingga rata-rata 82,41% akurasi dan nilai kembalian
sebesar 66,71%.
Kata kunci: halaman indeks,
sistem rekomendasi, multi instance learning, citation kNN, hausdorff distance
Penulis: Darlis Herumurti,
Joko Lianto Buliali, Ria Andriana
Kode Jurnal: jptinformatikadd070013
