PENERAPAN MODEL LSTM DAN COSINE SIMILARITY DALAM REKOMENDASI FREELANCER UNTUK MENINGKATKAN LAYANAN JASA BERBASIS WEBSITE

Setyawan, R. Rekyan Maulana (2024) PENERAPAN MODEL LSTM DAN COSINE SIMILARITY DALAM REKOMENDASI FREELANCER UNTUK MENINGKATKAN LAYANAN JASA BERBASIS WEBSITE. Diploma thesis, Politeknik Harapan Bersama.

	Text (Cover) Cover.pdf Download (956kB)
	Text (BAB I) BAB I.pdf Download (217kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) BAB III.pdf Download (178kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Download (177kB)
	Text (Lampiran) Lampiran.pdf Download (5MB)

Abstract

Penelitian ini bertujuan mengembangkan sistem rekomendasi freelancer yang lebih akurat, mengatasi ketidakpuasan pengguna terhadap platform pencarian freelancer yang ada. Sistem ini dibangun menggunakan model Long Short-Term Memory (LSTM) dengan embedding GloVe untuk mengekstrak kata kunci dari teks kebutuhan pengguna, yang dikumpulkan dari media sosial dan web scraping dari platform seperti Fastwork dan Sribu. LSTM dipilih karena kemampuannya memahami konteks urutan kata, menghasilkan kata kunci yang relevan. Setelah kata kunci diekstraksi, metode cosine similarity digunakan untuk mencocokkan kata kunci dengan profil freelancer dalam database. Cosine similarity mengukur kesamaan antara vektor teks kata kunci dan vektor fitur freelancer, memungkinkan pencocokan yang lebih tepat. Hasil penelitian menunjukkan model LSTM efektif mengekstrak kata kunci dengan akurasi 39,93% pada data pelatihan dan 21,88% pada data pengujian. Metode cosine similarity terbukti efektif dalam memberikan rekomendasi freelancer yang relevan, sehingga meningkatkan kepuasan pengguna. Implementasi sistem ini menunjukkan kemampuan memberikan rekomendasi yang lebih tepat, memenuhi kebutuhan pengguna dan berpotensi meningkatkan pengalaman pengguna dalam pencarian freelancer. Penelitian ini berkontribusi pada pengembangan sistem rekomendasi yang lebih baik, dengan hasil yang signifikan dalam meningkatkan relevansi dan kepuasan pengguna.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technical Information
Divisions:	Teknik > Diploma IV Teknik Informatika
Depositing User:	R. Rekyan Maulana Setyawan
Date Deposited:	06 Sep 2024 09:18
Last Modified:	06 Sep 2024 09:18
URI:	http://eprints.poltektegal.ac.id/id/eprint/4178

Actions (login required)

View Item