|
UPT. PERPUSTAKAAN
Universitas Esa Unggul
Kampus Emas UEU - Jakarta Barat
|
Phone |
: |
021-5674223, ext 282 |
Fax |
: |
|
E-mail |
: |
[email protected] |
Website |
: |
http://library.esaunggul.ac.id
|
Support (Customer Service) :
|
[email protected] |
|
|
Welcome..guys!
|
Have a problem with your access?
Please, contact our technical support below:
|
LIVE SUPPORT
Astrid Chrisafi
|
! ATTENTION !
To facilitate the activation process, please fill out the member application form correctly and completely
Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently
Still Confuse?
Please read our User Guide
|
|
UEU » Master Theses » Magister Ilmu Komputer Posted by [email protected] at 12/12/2023 10:26:13 • 373 Views
SISTEM REKOMENDASI BERBASIS GAMBAR PRODUK E-COMMERCE KALCARE.COM MENGGUNAKAN DEEP LEARNINGCreated by :
TRENGGANA NATADIRJA ( 20190804036 )
Subject: | SISTEM REKOMENDASI GAMBAR PRODUK E-COMMERCE KALCARE.COM DEEP LEARNING | Alt. Subject : | RECOMMENDATION SYSTEM PRODUCT IMAGES E-COMMERCE KALCARE.COM DEEP LEARNING | Keyword: | Sistem rekomendasi e-commerce gambar deep learning |
Description:
Sistem rekomendasi saat ini sudah menjadi bagian penting dalam sebuah layanan
digital, salah satu contohnya adalah e-commerce. Fakta menunjukkan bahwa
pandemi COVID-19 memberi dampak yang cukup signifikan kepada para
pelanggan dengan membuat mereka semakin menghabiskan lebih banyak waktu
berselancar secara daring untuk mendapatkan produk kebutuhan harian dengan
berbelanja di situs-situs e-commerce. Dengan perkembangan teknologi deep
learning yang cukup pesat saat ini tentunya dapat dimanfaatkan untuk membantu
dalam hal proses menghasilkan sistem rekomendasi berbasis gambar produk yang
memiliki tingkat kemiripan cukup tinggi. Pada penelitian ini akan dibahas tentang
bagaimana cara menghasilkan arsitektur sistem rekomendasi produk berbasis
gambar dengan melakukan perbandingan hasil dari penerapan algoritma 8 model
pre-trained yang telah tersedia dan juga telah banyak dipakai secara luas dalam
berbagai penelitian maupun pada industri teknologi informasi. Dataset yang
digunakan adalah gambar-gambar produk yang bersumber dari situs web
kalcare.com. Setelah dilakukan pengujian terhadap pre-trained model, kemudian
dibuat prototipe aplikasi untuk diujicoba yang selanjutnya pada tahapan akhir
penelitian ini dilakukan jajak pendapat untuk mengetahui respon dan pendapat
pengguna terhadap protopite sistem rekomendasi yang dibuat untuk e-commerce
kalcare.com menggunakan deep learning
Contributor | : |
- Dr. Budi Tjahjono, S.Kom., M.Kom.
| Date Create | : | 12/12/2023 | Type | : | Text | Format | : | PDF | Language | : | Indonesian | Identifier | : | UEU-Master-20190804036 | Collection ID | : | 20190804036 |
Source : Master Theses of Information Systems
Relation Collection: Fakultas Ilmu Komputer
Coverage : Civitas Akademika Universitas Esa Unggul
Rights : @2023 Perpustakaan Universitas Esa Unggul
Publication URL : https://digilib.esaunggul.ac.id/sistem-rekomendasi-berbasis-gambar-produk-ecommerce-kalcarecom-menggunakan-deep-learning-31263.html
[ Free Download - Free for All ]
- UEU-Master-31263-COVER.Image.Marked.pdf - 283 KB
- UEU-Master-31263-HALAMAN PENGESAHAN.Image.Marked.pdf - 295 KB
- UEU-Master-31263-HALAMAN PERSETUJUAN PUBLIKASI.Image.Marked.pdf - 319 KB
- UEU-Master-31263-HALAMAN PERNYATAAN ORISINALITAS.Image.Marked.pdf - 255 KB
- UEU-Master-31263-ABSTRAK.Image.Marked.pdf - 292 KB
- UEU-Master-31263-KATA PENGANTAR.Image.Marked.pdf - 320 KB
- UEU-Master-31263-DAFTAR ISI.Image.Marked.pdf - 345 KB
- UEU-Master-31263-DAFTAR PUSTAKA.Image.Marked.pdf - 344 KB
- UEU-Master-31263-BAB1.Image.Marked.pdf - 359 KB
[ FullText Content - Please, register first ]
1. UEU-Master-31263-BAB2.Image.Marked.pdf - 758 KB 2. UEU-Master-31263-BAB3.Image.Marked.pdf - 457 KB 3. UEU-Master-31263-BAB4.Image.Marked.pdf - 1231 KB 4. UEU-Master-31263-BAB5.Image.Marked.pdf - 356 KB
10 Similar Document...
No similar subject found !
10 Related Document...
|
POLLINGBagaimana pendapat Anda tentang repository kami ?
Visitors Today : 1
Total Visitor : 1970008
Hits Today : 10378
Total Hits : 154615211
Visitors Online: 1
Calculated since 16 May 2012
You are connected from 172.17.121.29 using Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; [email protected])
|