Sistem rekomendasi pada pemilihan perumahan di Malang Raya menggunakan Multi Criteria Recommender System

INDONESIA:

Banyaknya perumahan di Malang Raya saat ini, tidak jarang membuat seseorang kesulitan dalam memilih perumahan. Diperlukan suatu sistem rekomendasi yang dapat membantu konsumen dalam memperoleh rekomendasi perumahan di Malang Raya. Penelitian ini menggunakan Multi Criteria Recommender System (MCRS) untuk menghasilkan rekomendasi paling relevan dari 5 perumahan di Malang Raya. Rekomendasi diperoleh dari hasil pemberian rating user pada 14 kriteria dan rating keseluruhan (R0) yang disimpan dalam database. Pemberian rating dilakukan pada minimal 1 dari 5 perumahan. Rating tersebut dihitung kesamaan antar user menggunakan satu dari empat algoritma yang diuji untuk menghasilkan tingkat rata-rata akurasi tertinggi. Dengan demikian sistem mampu menghasilkan rekomendasi perumahan dengan menampilkan 3 rekomendasi perumahan yang paling relevan dengan user. Confusion matrix digunakan untuk menentukan algoritma dengan tingkat rata-rata akurasi tertinggi. Hasilnya adalah algoritma Cosine-based similarity dengan nilai sebesar 63,8%, Adjusted-cosine similarity sebesar 70,4%, dan Spearman rank-order correlation coefficient sebesar 74,2%, sedangkan Pearson’s correlation-based similarity adalah algoritma dengan tingkat rata-rata akurasi tertinggi sebesar 75,57% dibandingkan dengan 3 algoritma lainnya.

ENGLISH :

The number of housing in Malang Raya at this time, it is not uncommon for someone to have difficulty in choosing housing. We need a recommendation system that can assist consumers in obtaining housing recommendations in Malang Raya. This study uses the Multi Criteria Recommender System (MCRS) to generate the most relevant recommendations from 5 housing complexes in Malang Raya. Recommendations are obtained from the results of giving user ratings on 14 criteria and an overall rating (R0) stored in the database. Giving a rating is done at least 1 of 5 housing. The rating is calculated similarity between users using one of the four algorithms tested to produce the highest average level of accuracy. Thus the system is able to generate housing recommendations by displaying the 3 most relevant housing recommendations to the user. The confusion matrix is used to determine the algorithm with the highest average accuracy. The result is a Cosine-based similarity algorithm with a value of 63.8%, Adjusted-cosine similarity of 70.4%, and Spearman rank-order correlation coefficient of 74.2%, while Pearson's correlation-based similarity is an algorithm with an average level highest average accuracy of 75.57% compared to the other 3 algorithms.

ARABIC:

مع وجود عدد كبير من المساكن في مالانج رايا اليوم ، فليس من غير المألوف أن يواجه شخص ما صعوبة في اختيار
السكن. نحن بحاجة إلى نظام توصية يمكن أن يساعد المستهلكين في الحصول على توصيات الإسكان في أكبر مالانج. تستخدم هذه الدراسة نظام التوصية متعدد المعايير (MCRS) لتوليد التوصيات الأكثر صلة من 5 مجمعات سكنية في مالانج رايا. يتم الحصول على التوصيات من نتائج تقييمات المستخدمين لـ 14 معيارًا وتصنيفًا عامًا (R0) مخزّنًا في قاعدة البيانات. يتم إعطاء التقييم على الأقل 1 من 5 مساكن. يُحسب التصنيف التشابه بين المستخدمين باستخدام إحدى الخوارزميات الأربعة المختبرة لإنتاج أعلى مستوى متوسط من الدقة. وبالتالي فإن النظام قادر على إنشاء توصيات الإسكان من خلال عرض توصيات الإسكان الثلاثة الأكثر صلة للمستخدم. يتم استخدام مصفوفة الارتباك لتحديد الخوارزمية بأعلى متوسط دقة. والنتيجة هي خوارزمية تشابه قائمة على جيب التمام بقيمة 63.8٪ ، وتشابه جيب التمام المعدل 70.4٪ ، ومعامل ارتباط ترتيب سبيرمان بنسبة 74.2٪ ، بينما الارتباط القائم على التشابه بيرسون هو خوارزمية بمتوسط مستوى متوسط الأعلى. دقة 75.57٪ مقارنة بثلاث خوارزميات أخرى.