Penerapan Metode Content Based Filtering Dalam Implementasi Sistem Rekomendasi Tanaman Pangan

Abstract

Panjangnya rantai distribusi merupakan salah satu permasalahan pokok di sektor pangan yang berdampak pada mahalnya harga-harga pangan. Permasalahan ini sejalan dengan prioritas pembangunan Kabupaten Sleman tahun 2017 untuk mewujudkan kemandirian ekonomi dengan menggerakkan sektor strategis ekonomi lokal termasuk diantaranya peningkatan penerapan teknologi pertanian. Hal ini berkaitan dengan bagaimana cara memperpendek rantai pemasaran sehingga dapat meningkatkan kesejahteraan petani. Dalam upaya memangkas rantai distribusi yang terlalu panjang, maka penelitian ini menawarkan solusi sebuah sistem rekomendasi yang dapat mencatat data lahan pertanian serta merekomendasikan lahan pertanian mana saja yang berpotensi menghasilkan komoditas tanaman pangan. Dengan adanya sistem ini, pemasaran hasil pertanian khususnya kepada pedagang akan lebih efektif dan efisien, artinya sistem mampu memberikan rekomendasi lahan yang sesuai untuk pengguna. Dalam pembuatannya, sistem rekomendasi ini akan menerapkan teori Content Based Filtering.

Penerapan Metode Content Based Filtering Dan KNN Pada Aplikasi Rekomendasi Laptop Berbasis Mobile

“…Sistem rekomendasi fil dengan content based fintering [17] Macine Leraning Terdapat 5000 data film yang diambil dari kaggle serta terdapat queri yang diberikan yaitu film iron man dan mempunyai kemiripan dengan iron man 2 sebesar 100% dan iron man 3 sebesar 56%. Sistem rekomendasi dengan menggunakan content based filtering [26] Macine Leraning Terdapat 1000 data lahan yang digunakan dan 10 profil pedagang dengan menghasilkan 15 rekomendasi kelompok tani dan menghasilkan nilai presisi sebesar 78.40% Sistem rekomendasi pada event online dengan content based filtering [28] Macine Leraning Dari 1180 dataset sample diambil 7% data train dan 30% data test serta dihasilkan nilai accurasi sebesar 0.86, precision label beasiswa 0.83, recall label beasiswa 0.71 dan F1 score label beasiswa 0.77 Sistem rekomendasi dalam pembelian laptop menggunakan KNN [6] Macine Leraning Terdapat 10 data untuk data training yang menghasilkan tingkat akurasi sebesar 84%.…”

“…Dan rekomendasi yang terdekat pada queri iron man yaitu iron man 2 dengan umla kemiripan 100%. Pada penelitian [26] dihasilkan 10 profil pedagang dengan 15 rekomendasi kelompok tani yang paling atas dengan hasil presisi rata-rata sebesar 78.40%. pada penelitian [28] dengan hasilnya yaitu nilai accurasi sebesar 0.86 precision label beasiswa 0.83 recall label beasiswa 0.71 dan F1 score labeb beasiswa sebasar 0.77. selain itu pada penelitian [3] hasil dari peritungan enggunakan Content Based Filtering didapatkan bobot nilai tertinggi ada pada dokumen 4 dengan nilai 9,464788 maka dokumentasi ke 4 direkomendasikan kepada user 1.…”

Neural Collaborative with Sentence BERT for News Recommender System

“…Nastiti [7] researched implementing a content-based filtering recommendation system in food crops in 2020. The data used in this research is 1000 agricultural land data consisting of the following information: farmer groups, types of food crops, varieties, planting dates, harvest dates, location (longitude, latitude), yields.…”

Implementasi Machine Learning dalam Penentuan Rekomendasi Musik dengan Metode Content-Based Filtering

“…Metode ini akan memilih dan melakukan peringkat item berdasarkan kesamaan atribut item. Kelebihan dari metode ini adalah pengguna mendapatkan informasi tentang suatu item yang dianggap relevan untuk mereka, karena konten di setiap item dapat diketahui dari representasinya (Nastiti, 2019). Atribut serta deskripsi item berperan penting dalam proses filtering pada metode ini.…”