Isi Artikel Utama

Abstrak

Sistem rekomendasi menjadi hal yang penting untuk pengguna sebagai informasi kepada hal yang mereka belum ketahui. Selain memudahkan pengguna untuk menemukan informasi, sistem juga dapat meningkatkan kepuasan pengguna dengan memberikan rekomendasi yang akurat dan sesuai dengan preferensi mereka. Dalam penelitian ini sistem rekomendasi dapat berguna bagi pengguna untuk berkesplorasi dan memberikan tanggapannya. Penelitian ini mengembangkan sistem rekomendasi musik berbasis collaborative filtering untuk membantu pengguna menemukan lagu-lagu baru yang sesuai dengan preferensi mereka. Metode Reinforcement Learning ini adalah metode pembelajaran yang dimana agen berinteraksi dengan lingkungannya. Sistem ini menggunakan dataset Spotify Tracks dan data perilaku pengguna untuk menghasilkan rekomendasi. Algoritma upper confidence bound biasanya digunakan pada kasus multi-armed bandit dengan menentukan arm yang akan dipilih berdasarkan rata-rata dan ketidakpastian dari hasil yang diperoleh. Pada penelitian ini algoritma upper confidence bound diterapkan untuk menyeimbangkan eksplorasi lagu-lagu baru dengan eksploitasi lagu-lagu yang sudah diketahui dan disukai pengguna. Hasil penelitian menunjukkan bahwa sistem ini mampu memberikan rekomendasi musik yang relevan dengan karakteristik pengguna.

Kata Kunci

Sistem rekomendasi collaborative filtering reinforcement learning upper confidence bound musik

Rincian Artikel

Cara Mengutip
[1]
A. Hartono dan J. Sutopo, “Implementasi Algoritma Upper Confidence Bound Untuk Sistem Rekomendasi Musik”, Jurnal Algoritma, vol. 21, no. 2, hlm. 82–90, Nov 2024.

References

Read More