Main Article Content

Abstract

Hobi pada tahun 1816 mulai dikenalkan hanya dalam kosakata di kalangan sejumlah orang inggris. Istilah hobi pada abad itu diartikan dengan waktu senggang. Namun pada saat ini, mempresentasikan hobi dapat dikategorikan menjadi untuk memenuhi hasrat semata , menambah pengetahuan dan mengembangkan ke dalam dunia bisnis. Media twitter adalah salah satu media pendukung yang sering digunakan banyak orang didalam mempresentasikan hobi seseorang, dengan melihat siapa yang diikuti dan berdasarkan tweet seseorang tersebut. Bisa diklasifikasikan bahwa orang tersebut dikategorikan memiliki hobi yang sama dengan orang lain. Rekomendasi hybrid filltering adalah metode pendukung didalam proses mendapatkan kelas kategori yang dimiliki oleh seseorang tersebut . Karena sebagian besar sebuah aplikasi yang sudah ada hanya mempresentasikan hobi kedalam aplikasi berupa isian form inputan saja. Dengan menggunakan algoritma naive bayes classifier menjadi solusi baru bagi penulis didalam mengklasifikasikan tweet yang dimiliki user masuk kedalam kategori kelas hobi. Dengan tambahan algoritma Multi-criteria decision making sebagi proses akhir didalam pengelolahan data lanjutan untuk mendapatkan hasil dan hasil tersebut rekomendasikan kepada user lain dengan kategori hobi yang sama. Sehingga user mendapatkan rekomendasi teman sesuai dengan hobi yang sama.

Keywords

Hobi Hybrid Filltering Multicriteria decission making Naives bayes classifier

Article Details

Author Biography

Ajib Susanto, Universitas Dian Nuswantoro Semarang

Teknik Informatika

Fakultas Ilmu Komputer

Universitas Dian Nuswantoro Semarang

References

  1. Agastya, I. M. A. (2018) ‘Pengaruh Stemmer Bahasa Indonesia Terhadap Peforma Analisis Pengaruh Stemmer Bahasa Indonesia Terhadap Peforma’, Teknokompak, 12(1), pp. 18–23.
  2. Aggarwal, C. C. (2016) ‘Recommender systems’.
  3. Alfiantoro, R. (2017) ‘UPT Perpustakaan ISI Yogyakarta’, pp. 1–18.
  4. Ananta, P. W. and Winiarti, S. (2013) ‘Menggunakan Metode Gap Kompetensi’, Jurnal Sarjana Teknik Informatika, 1, No.2, pp. 574–583. doi: 10.12928/JSTIE.V1I2.2581.
  5. Andini, T. D. and Zulkarnain, A. (2013) ‘Suggestions Friends Engine Berbasis Hybrid Recommender System Untuk Mendapatkan Rekomendasi Teman Terbaik Pada Web Jejaring Sosial’, Jurnal Ilmiah Teknologi Informasi Asia, 7(2).
  6. Fadelis, S., Selvia, Ferdiana, K. and Ashafidz, Fauzan, D. (2018) ‘Pembuatan Website Komunitas sebagai Media Informasi’, II(02), pp. 59–62.
  7. Irsan, M. (2018) ‘Implementasi Aplikasi Sistem Pendukung Keputusan Kenaikan Jabatan Pegawai Negeri Sipil (Pns) Menggunakan Metode Weight Product Pada Bagian Protokol Dan Dokumentasi Setda Kota Depok’, Faktor Exacta, 11(1), p. 17. doi: 10.30998/faktorexacta.v11i1.2344.
  8. Lubis, A. H. and Lubis, S. A. (2018) ‘SISTEM REKOMENDASI PENCARIAN PEKERJAAN BERBASIS WEB’.
  9. Rahmawati, S., Nurjanah, D. and Rismala, R. (2018) ‘Analisis dan Implementasi Pendekatan Hybrid untuk Sistem Rekomendasi dengan Metode Knowledge Based Recommender System dan Collaborative Filtering’, 3, pp. 11–20. doi: 10.21108/indojc.2018.3.2.210.
  10. Sari, T. Y. and Puspa, A. K. (2017) ‘Recommendations For Web-Based System Analysis Using Hybrid On The Website Hydroponic’, (Icetd), pp. 319–328.
  11. Suryadi, A. and Harahap, E. (2018) ‘Sistem Rekomendasi Penerimaan Mahasiswa Baru Menggunakan Naive Bayes Classifier Di Institut Pendidikan Indonesia’, Joutica, 3(2), p. 171. doi: 10.30736/jti.v3i2.231.
  12. Twitter (2019) API Twitter. Available at: https://developer.twitter.com/en/docs/api-reference-index (Accessed: 15 August 2019).