Garis besar topik
-
-
Deskripsi Matakuliah
Mata kuliah Sistem Rekomendasi membekali mahasiswa dengan pengetahuan dan keterampilan dalam merancang, mengimplementasikan, dan mengevaluasi layanan sistem informasi yang mendukung strategi organisasi jangka pendek maupun jangka panjang. Mahasiswa akan mempelajari identifikasi kebutuhan layanan, perancangan solusi rekomendasi, serta evaluasi efektivitas sistem rekomendasi dalam peningkatan layanan. Mahasiswa dapat menganalisis proses bisnis berbasis data, merancang strategi pengelolaan bisnis dengan sistem rekomendasi, memanfaatkan teknologi informasi untuk mendukung pengambilan keputusan, serta mengevaluasi hasil pengelolaan bisnis secara berkelanjutan
CPMK-CPL
- CPMK0641. Mampu mengidentifikasi kebutuhan layanan Sistem Informasi.
- CPMK0642. Mampu merancang solusi rekomendasi untuk peningkatan layanan.
- CPMK0643. Mampu mengevaluasi efektivitas layanan Sistem Informasi yang diusulkan.
- CPMK0644. Mampu mengimplementasikan rekomendasi untuk mendukung strategi jangka pendek dan panjan
- CPMK1321. Mampu menganalisis proses bisnis dengan pendekatan berbasis data.
- CPMK1322. Mampu merancang strategi pengelolaan bisnis berbasis Sistem Rekomendasi.
- CPMK1323. Mampu memanfaatkan teknologi informasi dalam mendukung pengambilan keputusan bisnis.
- CPMK1324. Mampu mengevaluasi hasil pengelolaan bisnis berbasis teknologi informasi secara berkelanjutan
KONTRAK PERKULIAHAN
REFERENSI UTAMA
- Ricci, F., Rokach, L., Shapira, B. (2015). Recommender Systems Handbook. Springer.
- Jannach, D., Zanker, M., Felfernig, A., Friedrich, G. (2010). Recommender Systems: An Introduction. Cambridge University Press.
- Aggarwal, C. C. (2016). Recommender Systems: The Textbook. Springer.
- Adomavicius, G., Tuzhilin, A. (2005). Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions. IEEE Transactions on Knowledge and Data Engineering.
BIODATA DOSEN PENGAMPU
Nama : Ochi Marshella Fa, S.Kom.,M.T.I
NIK : 11840510
Kontak : 085268853644
Alamat : Jl. Purnawirawan 1 Bandar Lampung
-
-
-
Siswa harusTandai selesai1. Recommendation Knowledge
2. Definisi Of Recommender Systems
3. Metode-Metode Rekomendasi Secara Umum
4. Contoh Rekomendasi sistem
5. dsb -
-
Siswa harusTandai selesai
Silakan cek forum berkenaan dengan diskusi yang kita lakukan dan juga pemberitahuan info penting
-
-
-
Siswa harusTandai selesai
- Recommendation Knowledge
- Definisi Of Recommender Systems
- Metode-Metode Rekomendasi Secara Umum
- Contoh Rekomendasi sistem
- etc
-
Siswa harusTandai selesai881.5 KB · Diunggah 29/09/25, 10:20
-
Siswa harusTandai selesai
Silakan cek forum berkenaan dengan diskusi yang kita lakukan dan juga pemberitahuan info penting
-
-
-
Siswa harusTandai selesai
1. Rekomendasi sistem Menurut Para ahli
2. Tujuan Sistem Rekomendasi
3.Jenis-jenis model sistem rekomendasi
4.Sistem Kerja rekomendasi sistem
5. Data dan Rekomendasi Sistem
6. Dsb
-
-
-
Siswa harusTandai selesai
Mencari contoh situs (Recommedation Systems) minimal 1 Situs dengan ketentuan sbb :
1. Halaman Situs dapat dilihat (SS)
2. Fungsi dan alasan digunakan situs untuk apa (jelaskan)
Tugas dikumpulkan tgl 6 oktober 2025
Pukul 13.00
-
-
-
Siswa harusTandai selesai
Pendahuluan BIG DATA
Peran Sistem Rekomendasi
Komponen Utama Sistem Rekomendasi
Jenis Sistem Rekomendasi
Klasifikasi Utama Sistem Rekomendasi
DSb
-
-
Siswa harusTandai selesai954.6 KB · Diunggah 12/10/25, 22:03
-
-
-
Siswa harusTandai selesai
Machine Learning
Recommender system
Deep learning
Tiga Pendekatan Utama
Studi Kasus
-
-
-
-
-
-
Siswa harusTandai selesai
1. Siklus Data dalam Sistem Rekomendasi
2. Data Collection
3. Data Management
4. Data set Rokomendasi sistem
5. User Data dan Struktur Data
6. Tahapan Reprocessing
7. tools
dsb
-
-
-
-
-
Siswa harusTandai selesai
1. Mengapa data Penting
2. Jenis Data dalam Rekomendasi system
3. Struktur Data Interaksi
4. Pentingnya Kualitas Data
5. Studi Kasus
6. contoh
dsb
-
-
-
-
-
-
-
Siswa harusTandai selesai
Klasifikasi Algoritma Rekomendasi
Algoritma Content-Based Filtering
Contoh berdasarkan Prilaku Pengguna
1. User-Based CF (Pengguna Mirip)
2. Item-Based CF (Item Mirip)
-
-
-
-
-
Siswa harusTandai selesai
1. Study Kasus
2. Indentifikasi tiga Komponen Utama Rekomendasi
3. Metode Rekomendasi
4. Alur kerja sistem rekomendasi dan gambarkan
5. Contoh Simulasi Rekomendasi
6. Identifikasi masalah yang ada
7.etc
-
-
-
-
-
-
Siswa harusTandai selesai
Pengertian Sistem Rekomendasi
Pentingnya sistem rekomendasi
Komponen Utama
Jenis Sistem Rekomendasi
Manfaat dan tantangan
Study kasus sederhana dengan Collaborative Filtering
dsb
-
-
-
-
-
Siswa harusTandai selesai
Study Kasus sistem rekomendasi lanjutan
Tabel Dataset rating
Teknik perhitungan Rekomendasi
Teknik perhitungan similarity (kemiripan) pada prilaku user/rating
cosine similarity
contoh prediksi rating dengan rumus Weightted Mean
prediksi rating dengan rumus prediksi item-based UI untuk Item D
Kesimpulan
-
Siswa harusTandai selesai186.2 KB · Diunggah 14/12/25, 21:58
-
-
-
-
-
Siswa harusTandai selesaiPenting nya evaluasi
Jenis Evaluasi
Evaluasi Offline
Metrik berbasis prediksi
Metrik berbasis ranking
Prediksi dan Recall
Contoh
MAP & NDCG
Kesimpulan -
-
-
-
-
Siswa harusTandai selesai
Capaian Pembelajaran
Evaluasi dan Contoh
Tujuan dan Manfaat
Pendekatan Evaluasi dan Fokus
Dataset dan Ground Truth
Metrik Error Based
MAE dan RMSE
Metrik Top N
Kesimpulan
-
Siswa harusTandai selesai1.2 MB · Diunggah 21/12/25, 20:52
-
Siswa harusTandai selesai183.9 KB · Diunggah 21/12/25, 20:56
-
-
-
-
Siswa harusTandai selesai
-
Siswa harusTandai selesai388.8 KB · Diunggah 4/01/26, 20:43
-
-
-
-