Implicit Social Trust Dan Support Vector Regression Untuk Sistem Rekomendasi Berita

Authors

  • Melita Widya Ningrum Universitas Dian Nuswantoro
  • Wijanarto Wijanarto Universitas Dian Nuswantoro

DOI:

https://doi.org/10.31154/cogito.v3i2.77.275-285

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

Author Biographies

Melita Widya Ningrum, Universitas Dian Nuswantoro

Program Studi Ilmu Komputer

Wijanarto Wijanarto, Universitas Dian Nuswantoro

Program Studi Ilmu Komputer

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.

CogITo Smart Journal Vol. 3 No. 2

Downloads

Published

2018-01-03

How to Cite

Ningrum, M. W., & Wijanarto, W. (2018). Implicit Social Trust Dan Support Vector Regression Untuk Sistem Rekomendasi Berita. CogITo Smart Journal, 3(2), 275–285. https://doi.org/10.31154/cogito.v3i2.77.275-285

Issue

Vol. 3 No. 2 (2017): CogITo Smart Journal

Section

Articles

License

Authors who publish with this journal agree to the following terms:
  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).