The SISTEM REKOMENDASI INFORMASI PEMECAHAN MASALAH DESKTOP DENGAN MODEL COLLABORATIVE FILTERING DI TELKOMSEL REGIONAL JAWA TENGAH
DOI:
https://doi.org/10.70248/jcsit.v2i1.1541Abstract
Desktop problem seringkali tidak dapat terelakkan dari keseharian pekerja kantoran seperti halnya di perusahaan Telkomsel. Sebagai salah satu perusahaan telekomunikasi di Indonesia, para pekerja tentu akan secara maksimal dalam melayani para kustomer nya. Jika terjadi masalah atau kendala pada laptop mereka, tentu hal ini sedikit menghambat kinerjanya. Maka dari itu, dibutuhkan sebuah sistem informasi yang dapat membantu untuk memecahkan masalah dekstop pada laptop karyawan. Selain itu, dengan penerapan metode collaborative filtering sebagai metode rekomendasi pada sistem akan sangat membantu dalam penyelesaian masalah. Sistem memuat artikel yang berisi guidance atau cara-cara menyelesaikan masalah desktop yang berbasis web. Evaluasi prediksi model untuk artikel yang akan menjadi rekomendasi target bernilai 0.6763. Nilai ini cukup bagus dikarenakan distribusi rating yang kurang merata pada setiap usernya. Untuk real case nya memang tidak semua pengguna melakukan rating ke semua artikel.
Kata Kunci : Sistem Rekomendasi, Masalah Desktop, Collaborative Filtering, Artikel, Rating
References
R. P. Pramanda, E. S. Astuti, dan D. F. Azizah, “Pengaruh Kemudahan dan Kemanfaatan Penggunaan Teknologi Informasi terhadap Kinerja Karyawan (Studi pada Karyawan Kantor Pusat Universitas Brawijaya),” J. Adm. Bisnis, vol. 39, no. 2, hal. 117–126, 2016.
V. L. Jaja, B. Susanto, dan L. R. Sasongko, “Penerapan Metode Item-Based Collaborative Filtering Untuk Sistem Rekomendasi Data MovieLens,” d’CARTESIAN, vol. 9, no. 2, hal. 78, 2020, doi: 10.35799/dc.9.2.2020.28274.
H. F. J. S. Wibowo dan M. S. Utomo, “Implementasi Metode Collaborative Filtering Untuk Sistem Rekomendasi Penjualan Pada Toko Mebel,” J. Khatulistiwa Inform., vol. IX, no. I, hal. 43–50, 2021, [Daring]. Tersedia pada: www.unisbank.ac.id
I. W. Jepriana dan S. Hanief, “Analisis Dan Implementasi Metode Item-Based Collaborative Filtering Untuk Sistem Rekomendasi Konsentrasi Di Stmik Stikom Bali,” J. Nas. Pendidik. Tek. Inform., vol. 9, no. 2, hal. 171–180, 2020.
O. Hilliges, L. Terrenghi, S. Boring, D. Kim, H. Richter, dan A. Butz, “Designing for collaborative creative problem solving,” Creat. Cogn. 2007, CC2007 - Seeding Creat. Tools, Media, Environ., hal. 137–146, 2007, doi: 10.1145/1254960.1254980.
X. Su dan T. M. Khoshgoftaar, “A Survey of Collaborative Filtering Techniques,” Adv. Artif. Intell., vol. 2009, no. Section 3, hal. 1–19, 2009, doi: 10.1155/2009/421425.
F. Fkih, “Similarity measures for Collaborative Filtering-based Recommender Systems: Review and experimental comparison,” J. King Saud Univ. - Comput. Inf. Sci., vol. 34, no. 9, hal. 7645–7669, 2021, doi: 10.1016/j.jksuci.2021.09.014.
F. Akram, T. Ahmad, dan M. Sadiq, “An integrated fuzzy adjusted cosine similarity and TOPSIS based recommendation system for information system requirements selection,” Decis. Anal. J., vol. 11, no. December 2023, hal. 100443, 2024, doi: 10.1016/j.dajour.2024.100443.
K. N. Win dan T. H. Kyaw, “Improving Recommendation Quality with Enhanced Correlation Similarity in Modified Weighted Sum,” Int. J. Comput. Sci. Bus. Informatics, vol. 10, no. 1, hal. 41–52, 2014.
T. Chai dan R. R. Draxler, “Root mean square error (RMSE) or mean absolute error (MAE)? -Arguments against avoiding RMSE in the literature,” Geosci. Model Dev., vol. 7, no. 3, hal. 1247–1250, 2014, doi: 10.5194/gmd-7-1247-2014.
