Nusa, Brantas Pranata (2015) Rekomendasi Aplikasi Mobile Menggunakan Metode Case Based Reasoning (CBR). Undergraduate thesis, Institut Technology Sepuluh Nopember.
Preview |
Text
5211100021-Undergraduate Thesis.pdf - Published Version Download (3MB) | Preview |
Abstract
Meningkatnya aplikasi mobile dari semua sistem operasi
perangkat mobile yang beredar saat ini, telah memberikan
tantangan pada inovasi aplikasi mobile terutama pada sistem
operasi Android. Disisi lain, penyaringan informasi terkait
dengan begitu banyaknya aplikasi mobile se makin sulit. Hal
ini berbanding terbalik, dengan perkembangan sistem
rekomendasi untuk aplikasi mobile yang masih berkembang
dengan lambat. Sementara itu, sistem rekomendasi untuk
aplikasi mobile yang beredar saat ini kebanyakan masih
menggunakan satu metode saja yaitu collaborative filtering
association mining.
Hingga saat ini masih banyak peluang pengembangan di
bidang rekomendasi aplikasi, salah satunya adalah dengan
menggunakan konteks atau sebuah kasus. Salah satu
penelitian yang berfokus pada pembuatan GUI Mobile
berbasis konteks telah terbukti memberikan hasil yang baik,
oleh karena itu penggunaan konteks dalam memberikan
rekomendasi bisa dijadikan sebuah acuan. Sistem
rekomendasi yang cukup dikenal adalah AppJoy, AppBrain,
dan AppWare ketiga aplikasi ini melakukan rekomendasi
aplikasi dengan metode Collaborative Filtering yang
memperhatikan variabel-variabel dari sisi aplikasi, seperti
aplikasi apa saja yang terinstall, aplikasi apa saja yang
pernah diuninstall, dan kategori aplikasi apa yang paling
banyak dipasang di perangkat tersebut.
vi
Oleh karena itu, tugas akhir ini mencoba untuk menangani
permasalahan tersebut dengan membuat sebuah rekomendasi
aplikasi mobile dengan menggunakan konteks. Karena sifat
konteks tidak bisa disederhanakan dengan sebuah rule maka
diperlukan sebuah metode yang tidak berdasar pada sebuah
rule, metode ini adalah Case Based Reasoning. Selain itu,
Case Based Reasoning juga bagus dalam menangani kasus
yang berdasar pada konteks. Data untuk kasus-kasus yang ada
pada rekomendasi aplikasi mobile akan didasarkan pada
penggunaan aplikasi mobile mahasiswa Jurusan Sistem
Informasi, Fakultas Teknologi Informasi, Institut Teknologi
Sepuluh Nopember Surabaya sebagai sampel data case base,
dengan tujuan untuk membatasi dan menguji tingkat
keakuratan metode dalam sebuah sampel kecil terlebih
dahulu. Dalam penelitian ini akan dilakukan juga revisi solusi
layaknya penggunaan Case Based Reasoning pada umumnya.
Yang diharapkan dari penelitian ini adalah terbentuknya
suatu rekomendasi aplikasi mobile yang berdasarkan pada
kasus-kasus rekomendasi masa lampau yang akan dapat terus
berkembang sesuai dengan rekomendasi yang ditangani.
Selain itu penelitian ini diharapkan juga memberikan sebuah
hasil apakah metode Case Based Reasoning layak untuk
diimplementasikan dalam sebuah sistem rekomendasi aplikasi
mobile atau tidak. Jika memang layak, kelebihan dan
kekurangan apa saja yang akan didapat apabila menggunakan
metode Case Based Reasoning sebagai rekomendasi aplikasi
mobile.
===========================================================================================================
By the increasing number of mobile apps from various
platforms and operation systems, there is a challenge on
mobile apps innovation especially on Android operation
system. In the other side, information filtering to get the
application is getting harder. This inversely proportional, with
the development of mobile apps recommendation engine that
is still growing slowly. Meanwhile, the current mobile apps
recommendation engines mostly still use one method. That
method is collaborative filtering association mining.
Up until now, there are a lot of opportunities in development
of movile apps recommendation engine, one of which is to use
the context or a case. The research that focused on the
development of Mobile GUI based on context, has been proved
that context usage get a good result. Therefore,the context
based recommendation can be used. Some well known
recommendation engines are AppJoy, AppBrain, and
AppWare, these three recommendation engines are use the
Collaborative Filtering method that has variables from the
apps side, like what apps are installed and uninstalled or the
what apps category are mostly installed on the user’s phone.
Because of that, this final assignment try to handle those
problems by creating a mobile apps recommendation using
context. Because context can’t be translated into a simple rule,
then it is needed a method that doesn’t use a direct rule, this
method is Case Based Reasoning. Besides, Case Based
viii
Reasoning is very good in handling cases based on a context.
Data for the cases in the mobile apps recommendation
obtained by the mobile apss usage of the students in Jurusan
Sistem Informasi, Fakultas Teknologi Informasi, Institut
Teknologi Sepuluh Nopember Surabaya as a case base data
samples, with the purpose to test the method’s accuracy in a
small scaled sample. In this research, there will be a solution
revise like the use of typical Case Based Reasoning.
This research is expected to create a mobile apps
recommendation that based on past recommendation cases
that will continue to developed as it handles more
recommendation problems. Besides, this research is also
expected to give a concrete result is the Case Based Reasoning
method can be implemented or not. If the result says that it can
be implemented, then the pros and cons of the method have to
be descripted.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 621.384 56 Nus r |
| Uncontrolled Keywords: | Sistem Rekomendasi, Rekomendasi Aplikasi Mobile, Case Based Reasoning |
| Subjects: | Q Science > QA Mathematics > QA76.76.A65 Application software. Enterprise application integration (Computer systems) |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 28 Jun 2019 02:36 |
| Last Modified: | 28 Jun 2019 02:36 |
| URI: | http://repository.its.ac.id/id/eprint/63343 |
Actions (login required)
 |
View Item |