Pengembangan Aplikasi Berbasis Web untuk Mengelola Rating pada Sistem Rekomendasi dengan Basis Data Graf

Syarwani, Ahmad Rifqy (2021) Pengembangan Aplikasi Berbasis Web untuk Mengelola Rating pada Sistem Rekomendasi dengan Basis Data Graf. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
05211740000032-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Fase pertama pada pemberian rekomendasi yaitu pengumpulan informasi data. Fase ini merupakan fase penting dimana sistem rekomendasi memerlukan data yang cukup untuk membangun model. Data yang dikumpulkan umumnya berupa rating yang menyimpan preferensi pengguna. Dalam mengumpulkan data rating, peneliti sistem rekomendasi umumnya menggunakan kuesioner online sebagai cara paling mudah. Namun, cara tersebut memiliki keterbatasan jumlah item dan informasi atribut yang dapat disajikan. Keterbatasan tersebut membuat peneliti sistem rekomendasi perlu terlebih dahulu membangun aplikasi dan basis data dari awal untuk memfasilitasi pengguna dalam menyatakan preferensinya. Desain aplikasi dan basis data untuk menyimpan preferensi pengguna dapat dibakukan sehingga peneliti tidak perlu membangun aplikasi dan basis data dari awal untuk mengumpulkan data rating. Aplikasi dikembangkan berdasarkan kebutuhan fungsional dan non fungsional yang dihasilkan dari wawancara. Kemudian, dirancang desain antarmuka dan basis data aplikasi sebagai pedoman saat pengembangan aplikasi. Aplikasi dikembangkan dengan kerangka kerja Laravel, basis data relasional MySQL, dan basis data graf Neo4j. Aplikasi yang dihasilkan dipastikan fungsionalitasnya berjalan dengan sesuai menggunakan black-box testing serta dilakukan uji performa dengan aplikasi Lighthouse. Aplikasi juga diuji dengan diterapkan pada kasus sistem rekomendasi dalam berbagai domain item. Pengembangan aplikasi dilakukan secara sekuensial dari tahap analisa kebutuhan, desain, pengembangan, dan pengujian. Hasil dari tugas akhir ini adalah aplikasi web dengan basis data graf yang memudahkan peneliti sistem rekomendasi untuk mengumpulkan data rating. Aplikasi yang dihasilkan terdiri dari sepuluh halaman yang menyediakan interaksi bagi peneliti sistem rekomendasi untuk mengatur atribut item dan tampilan daftar katalog item berdasarkan kasus sistem rekomendasi mereka. Aplikasi menyediakan interaksi 5-star rating bagi pengguna untuk menyatakan preferensinya. Pengguna dapat menelusuri kumpulan item pada sistem dan memilih item yang ingin diberikan rating. Aplikasi yang dihasilkan telah lolos uji dengan black-box testing dan dapat berjalan cepat dengan skor performa Lighthouse yang dikategorikan baik berdasarkan pedoman oleh Google. Aplikasi telah diuji coba pada lima kasus sistem rekomendasi yang berbeda dan dapat digunakan untuk mengumpulkan data rating pengguna. ======================================================================================================= The first phase in providing recommendations is the collection of data information. This phase is an important phase in which the recommender systems require sufficient data to build a model. The data collected is generally a rating that stores user preferences. In collecting rating data, recommender systems researchers generally use online questionnaires as the easiest way. However, this method has a limited number of items and attribute information that can be presented. These limitations make recommendation system researchers need to build applications and databases first from scratch to facilitate users in expressing their preferences. Application design and database to store user preferences can be standardized so that researchers do not need to build applications and databases from scratch to collect rating data. Applications are developed based on functional and non-functional requirements resulting from interviews. Then, the interface design and application database are designed as guidelines for application development. The application is developed with Laravel framework, MySQL relational database, and Neo4j graph database. The resulting application ensures that its functionality runs properly using black-box testing and performance tests are carried out with the Lighthouse application. Applications are also tested by being applied to recommender systems cases in various item domains. Application development is carried out sequentially from the requirements analysis, design, development, and testing stages. The result of this undergraduate thesis is a web application with a graph database that makes it easy for recommender systems researchers to collect rating data. The resulting application consists of ten pages that provide interaction for recommender systems researchers to set item attributes and item catalog list display based on their recommendation system case. The application provides 5-star rating interaction for users to state their preferences. The user can browse the collection of items on the system and select the item for which they want to be rated. The resulting application has passed the test with black-box testing and can run fast with Lighthouse's performance score which is categorized as good based on guidelines provided by Google. The application has been tested to be implemented in five different recommendation system cases and can be used to collect user rating data.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Sistem Rekomendasi, Elisitasi Rating, Basis Data Graf, Recommender Systems, Rating Elicitation, Graph Database
Subjects: Q Science > QA Mathematics > QA76.758 Software engineering
Q Science > QA Mathematics > QA76.9.I58 Recommender systems (Information filtering)
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: Ahmad Rifqy Syarwani
Date Deposited: 06 Mar 2021 06:11
Last Modified: 06 Mar 2021 06:11
URI: https://repository.its.ac.id/id/eprint/83653

Actions (login required)

View Item View Item