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.
Downloads
References
Rachman, F. (2017). Begini Distribusi Pangan dari Petani, Pengepul, Sampai Konsumen. Diakses dari: https://finance.detik.com/berita-ekonomi-bisnis/d-3415106/begini-distribusi-pangan-dari-petani-pengepul-sampai-konsumen
Juli, P. (2017). Penataan Sektor Pangan. Majalah Info Singkat Ekonomi dan Kebijakan Publik, Vol. IX, No. 07. Pusat Penelitian Badan Keahlian DPR RI.
Balai Penyuluhan Pertanian, Perikanan, Kehutanan BP3K (2017). UPT BP3K Wilayah II Gelar Potensi Pertanian. Diakses dari: http://www.slemankab.go.id/9043/upt-bp3k-wilayah-ii-gelar-potensi-pertanian.slm
Deshpande, M.G., Muddebihalkar, A.V., Jadhav, A.B. & Kokate, S. (2016). Hybrid Content-Based Filtering Recommendation Algorithm on Hadoop. International Journal of Advanced Research in Computer Engineering & Technology, Vol. 5.
Kalita, J., Balas, V.E., Borah, S., & Pradhan, R. (Eds.). (2019). Recent Developments in Machine Learning and Data Analytics, Vol. 740. Singapore: Springer Singapore. Diakses dari: https://doi.org/10.1007/978-981-13-1280-9
Achakulvisut, T., Acuna, D.E., Ruangrong, T., & Kording, K. (2016). Science Concierge: A fast content-based recommendation system for scientific publications. PLoS ONE, 11(7). Diakses dari: https://doi.org/10.1371/journal.pone.0158423
Singh, J.N. & Dwivedi, S.K. (2012). Analysis of Vector Space Model in Information Retrieval. International Journal of Computer Applications, 14-18.
B.Thorat, P., Goudar, R.M. & Barve, S. (2015). Survey on Collaborative Filtering and Content-Based Recommending. International Journal of Computer Application, 110(4), 31—36. Diakses dari: https://doi.org/10.5120/19308-0760
Jovita, Linda, Hartawan, A., & Suhartono, D. (2015). Using Vector Space Model in Question Answering System. In Procedia Computer Science, Vol. 59, pp. 305—311. Elsevier. Diakses dari: https://doi.org/10.1016/j.procs.2015.07.570
Bobadilla, J., Ortega, F., Hernando, A. & Gutiérrez, A. (2013). Recommender Systems Survey. Knowledge-Based Systems, 46, 109—132. Diakses dari https://doi.org/10.1016/j.knosys.2013.03.012
Lu, Z., Dou, Z., Lian, J., Xie, X. & Yang, Q. (2015). Content-Based Collaborative Filtering For News Topic Recommendation. In AAAI 2015: Proceedings of the Twenty-ninth AAAI Conference on Artificial Intelligence, pp. 217—223. Diakses dari: https://doi.org/10.1080/714965461
Jing, L., Ng, M.K. & Huang, J.Z. (2010). Knowledge-based vector space model for text clustering. Knowledge and Information Systems, 25(1), 35—55. Diakses dari: https://doi.org/10.1007/s10115-009-0256-5
Gadge, J., Sane, S. & Kekre, H.B. (2015). Performance Analysis of Layered Vector Space Model in Web Information Retrieval. International Journal of Applied Information Systems, 8(5), 7—15. Diakses dari: https://doi.org/10.5120/ijais15-451320
Copyright (c) 2019 Teknika
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
