PENERAPAN ALGORITMA APRIORI DAN ALGORITMA RANDOM FOREST UNTUK REKOMENDASI KONTEN TIKTOK

Vadilla, Qorry Endria (2023) PENERAPAN ALGORITMA APRIORI DAN ALGORITMA RANDOM FOREST UNTUK REKOMENDASI KONTEN TIKTOK. Masters thesis, Universitas Putra Indonesia YPTK.

[img] Text
TESIS_QORRY ENDRIA VADILLA_212321042_ABSTRAK.pdf

Download (188kB)
[img] Text
TESIS_QORRY ENDRIA VADILLA_212321042_BAB I.pdf

Download (312kB)
[img] Text
TESIS_QORRY ENDRIA VADILLA_212321042_DAFTAR PUSTAKA.pdf

Download (312kB)
[img] Text
TESIS_QORRY ENDRIA VADILLA_212321042_FULL TEXT.pdf
Restricted to Repository staff only

Download (4MB)

Abstract

Knowledge Discovery in Databases (KDD) adalah sebuah proses komputasi yang mengintegrasikan berbagai algoritma matematika dengan tujuan mengekstraksi data yang berharga dan melakukan perhitungan probabilitas terkait tindakan di masa depan. Proses KDD sangat berkaitan dengan konsep Data Mining, yang merupakan istilah umum digunakan untuk mendeskripsikan eksplorasi dan analisis data dalam sebuah basis data. Salah satu teknik yang sering digunakan dalam Data Mining adalah Association Rule Mining. Teknik ini membantu dalam mendeteksi pola-pola yang tersembunyi dalam data. Dalam konteks penelitian ini, fokus utama adalah mengaplikasikan algoritma Apriori dan algoritma Random Forest untuk memberikan rekomendasi konten TikTok yang sesuai dengan preferensi pengguna, terutama pengguna TikTok di Indonesia. Perkembangan pesat media sosial, terutama TikTok, telah membuat pentingnya penyediaan konten yang relevan dengan preferensi pengguna. Dengan mengimplementasikan algoritma-algoritma ini, penelitian bertujuan untuk membangun model prediksi yang lebih spesifik dan lebih tepat sasaran dalam memberikan rekomendasi konten kepada pengguna. Ini diharapkan dapat berkontribusi signifikan bagi perkembangan dunia digital, khususnya aplikasi TikTok, dengan memberikan pengalaman yang lebih baik kepada pengguna. Metode penelitian yang digunakan adalah eksperimen dengan bahasa pemograman PHP dan Python. Namun, penelitian selanjutnya dapat mempertimbangkan penggunaan bahasa pemrograman lain atau alat analisis data tambahan untuk memperluas pemahaman dan meningkatkan akurasi model yang dibangun. Pada penelitian ini tingkat akurasi pengujian untuk PHP mencapai 85,71% sedangkan akurasi menggunakan Python mencapai 100%.Dengan demikian, penelitian mendatang dapat lebih membandingkan berbagai metode dan teknik untuk memastikan bahwa rekomendasi konten TikTok menjadi lebih efektif dan relevan. Ini akan membantu dalam memajukan dunia digital dan meningkatkan pengalaman pengguna TikTok di Indonesia secara signifikan.

Item Type: Thesis (Masters)
Subjects: 0 Research > Ilmu Komputer > Algoritma
0 Research > Ilmu Komputer > Data Mining dan KDD
0 Research > Ilmu Komputer
Divisions/ Fakultas/ Prodi: Fakultas Ilmu Komputer > Magister Ilmu Komputer (S2)
Depositing User: Fani Alivia S.S.i
Date Deposited: 24 Jan 2025 04:33
Last Modified: 24 Jan 2025 04:33
URI: http://repository.upiyptk.ac.id/id/eprint/12994

Actions (login required)

View Item View Item