GDL

Song Recommendation System with Collaborative Filtering Method Using Implicit Feedback Datasets

Tugas Akhir, 002 / 2012 / JTK
Undergraduate Theses from JBPTPPOLBAN / 2017-03-01 14:15:40
Oleh : Dina Rahmadhani - 091511040, Firman Maulana - 091511048, dan Maisa Nurul Agnia - 091511055
Dibuat : 2012-09-21, dengan 4 file

Keyword : Sistem Rekomendasi, Lagu, Collaborative Filtering, Neighborhood Model, K-Means
Subjek : Recommender System, Song, Collaborative Filtering, Neighborhood Model, K-Means

Tugas akhir ini berkaitan dengan pembangunan sistem rekomendasi yang dapat memberikan saran-saran untuk lagu yang sekiranya ingin didengarkan oleh pengguna. Sistem rekomendasi lagu yang akan dibuat hanya memanfaatkan implicit feedback, yaitu berapa kali pengguna tersebut mendengarkan suatu lagu dan penilaian tidak langsung terhadap suatu lagu. Adapun metode rekomendasi yang digunakan pada sistem ini adalah metode Collaborative Filtering dengan memanfaatkan Neighborhood Model, yaitu metode Cosine Similarity, dan metode pengelompokkan data dengan memanfaatkan algoritma K-Means. Lagu-lagu dari artis dengan tag tertentu dikelompokkan menggunakan algoritma metode cluster, lalu dari setiap cluster yang terbentuk dihitung kedekatan antar lagu-lagu didalamnya, sehingga ketika pengguna mendengarkan suatu lagu, sistem akan merekomendasikan lagu yang mungkin dipilih oleh pengguna, nilai kemiripannya paling tinggi. Kata Kunci: Sistem Rekomendasi, Lagu, Collaborative Filtering, Neighborhood Model, K-Means

Deskripsi Alternatif :

This project is about recommendation system that can provide suggestions for song to be listened. Song recommendation use implicit feedback, that is how many times users listen to a song and indirect assessment given to the song. The method used in this system is Collaborative Filtering using Neighborhood Model, that is Cosine Similarity, and a method of clustering data by using K-Means algorithm. The tracks of the artist with particular tag is clustered using that algorithm to form cluster, then from each clusters the closeness is calculated neighborhood between the track, so that when users listen to a song, the system will recommend songs that may be selected by the user, that have highest closeness. Keywords: Recommender System, Song, Collaborative Filtering, Neighborhood Model, K-Means

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	JBPTPPOLBAN
Organisasi
Nama Kontak	Erlin Arvelina
Alamat	Jl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
Kota	Bandung
Daerah	Jawa Barat
Negara	Indonesia
Telepon	022 201 3789 ext. 168, 169, 239
Fax	022 201 3889
E-mail Administrator	erlin.arvelina@polban.ac.id
E-mail CKO	erlin.arvelina@polban.ac.id