Implicit Social Trust Dan Support Vector Regression Untuk Sistem Rekomendasi Berita

Melita Widya Ningrum, Wijanarto Wijanarto

Abstract


Situs berita merupakan salah satu situs yang sering diakses masyarakat karena kemampuannya dalam menyajikan informasi terkini dari berbagai topik seperti olahraga, bisnis, politik, teknologi, kesehatan dan hiburan. Masyarakat dapat mencari dan melihat berita yang sedang populer dari seluruh dunia. Di sisi lain, melimpahnya artikel berita yang tersedia dapat menyulitkan pengguna dalam menemukan artikel berita yang sesuai dengan ketertarikannya. Pemilihan artikel berita yang ditampilkan ke halaman utama pengguna menjadi penting karena dapat meningkatkan minat pengguna untuk membaca artikel berita dari situs tersebut. Selain itu, pemilihan artikel berita yang sesuai dapat meminimalisir terjadinya banjir informasi yang tidak relevan. Dalam pemilihan artikel berita dibutuhkan sistem rekomendasi yang memiliki pengetahuan mengenai ketertarikan atau relevansi pengguna akan topik berita tertentu. Pada penelitian ini, peneliti membuat sistem rekomendasi artikel berita pada New York Times berbasis implicit social trust. Social trust dihasilkan dari interaksi antara pengguna dengan teman-temannya  dan bobot kepercayaan teman pengguna pada media sosial Twitter. Data yang diambil merupakan data pengguna Twitter, teman dan jumlah interaksi antar pengguna berupa retweet. Sistem ini memanfaatkan algoritma Support Vector Regression untuk memberikan estimasi penilaian pengguna terhadap suatu topik tertentu. Hasil pengolahan data dengan Support Vector Regression menunjukkan tingkat akurasi dengan MAPE sebesar 0,8243075902233644%.

 

Keywords : Twitter, Rekomendasi Berita, Social Trust, Support Vector Regression


Full Text:

PDF

References


H. S. Husin, “News Recommendation Based On Web Usage And Web Content Mining,” 29th Int. Conf. Data Eng. Work., pp. 326–329, 2013.

N. Jonnalagedda and S. Gauch, “Personalized News Recommendation Using Twitter,” in Proceedings - 2013 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology - Workshops, WI-IATW 2013, 2013, pp. 21–25.

CNN, “ABOUT CNN.COM - CNN.com.” [Online]. Available: http://edition.cnn.com/about.

D. H. Alahmadi and X.-J. Zeng, “ISTS: Implicit social trust and sentiment based approach to recommender systems,” Expert Systems with Applications, vol. 42, no. 22. pp. 8840–8849, 2015.

C. Chaochao, Z. Jing, Z. Xiaolin, and C. Deren, “Recommender System Based on Social Trust Relationships,” E-bus. Eng. (ICEBE), 2013 IEEE 10th Int. Conf., pp. 32–37, 2013.

C. D. Manning, Introduction to Information Retrieval, vol. 1, 2015.

“SentiWordNet.” [Online]. Available: http://sentiwordnet.isti.cnr.it/.

C. Chang and C. Lin, “LIBSVM : A Library for Support Vector Machines,” pp. 1–39, 2013.

A.J. Smola and B. Schölkopf, “A Tutorial On Support Vector Regression,” Stat. Comput., vol. 14, pp. 199–222, 2004.

P. Swamidass, Encyclopedia Of Production And Manufacturing Management, Springer, 2000.


Refbacks

  • There are currently no refbacks.



CogITo Smart Journal
A publication of Fakultas Ilmu Komputer, Universitas Klabat
In partnership with Coris and IndoCEISS
Telpon: +62 (431) 891035
email: editorial.cogito@unklab.ac.id | web: http://cogito.unklab.ac.id/index.php/cogito
 
Free counters!
View CogITo Smart Journal Stats

CogITo Smart Journal is indexed by:
          
 



CogITo Smart Journal is licensed under a Creative Commons Attribution 4.0 International License.