Article Details

ANALISIS PENGURANGAN EFEK BIAS POPULARITAS PADA SISTEM REKOMENDASI RESTRICTED BOLTZMANN MACHINE DENGAN METODE BINARY XQUAD

Oleh   Reyhan Alemmario [10216010]
Kontributor / Dosen Pembimbing : Acep Purqon, S.Si., M.Si., Ph.D.;
Jenis Koleksi : S1-Tugas Akhir
Penerbit : FMIPA - Fisika
Fakultas : Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA)
Subjek : Physics
Kata Kunci : bias popularitas, perilaku konsumen, RBM, sistem rekomendasi
Sumber :
Staf Input/Edit : Alice Diniarti   Ena Sukmana
File : 1 file
Tanggal Input : 2020-05-18 08:31:34

Fisika statistik menjadi salah satu bagian dalam fisika yang banyak menginspirasi bidang-bidang lain, misalnya distribusi Maxwell-Boltzmann yang dapat menjadi inspirasi solusi dalam permasalahan di bidang komputasi dengan graf model. Restricted Boltzmann Machine (RBM) menjadi salah satu hasilnya yang dapat menangani berbagai macam permasalahan salah satunya sistem rekomendasi dengan menggunakan machine learning. Sistem rekomendasi yang dihasilkan merupakan jenis Collaborative filtering yang mempunyai kelemahan pada bias popularitas yang merupakan masalah umum yang sering dihadapi machine learning apabila distribusi objek tidak normal. Untuk mendeteksi adanya bias dalam sistem rekomendasi telah dicari korelasi popularitas dengan banyaknya penilaian sehingga didapatkan fitur yang bias. Selain itu, telah dievaluasi hasil rekomendasi yang dihasilkan oleh sistem sehingga terlihat distribusi yang tidak normal. Permasalahan ini dapat ditangani dengan metode Binary Explisit Query Aspect Diversification yang mengurutkan ulang hasil rekomendasi yang telah ada namun dengan tujuan mengurangi efek bias popularitas dengan cara melakukan pembobotan terhadap hasil rekomendasi berdasarkan jenis area yang ditempati objek tersebut dalam pembagian area secara biner menurut metode tersebut. Metode yang pembobotan yang pada umumnya dilakukan sebelum prosesi pembuatan model machine learning dapat dilakukan setelah proses pembuatan model dengan metode tersebut.