<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="140857">
 <titleInfo>
  <title>PEMANFAATAN DEEP REINFORCEMENTRNLEARNING UNTUK MEMBANGUN SISTEMRNREKOMENDASI SKINCARE</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Farida Mandani</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Informatika</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Skincare merupakan produk perawatan kulit wajah yang saat ini sangat populer&#13;
di Indonesia. Produk-produk skincare terbaru terus bermunculan dalam berbagai&#13;
kategori dan merek yang beragam. Namun, keberagaman ini seringkali membuat&#13;
masyarakat kesulitan memilih produk skincare yang sesuai dengan preferensi mereka.&#13;
Dalam penelitian ini, dikembangkan sebuah sistem rekomendasi produk skincare&#13;
menggunakan kerangka kerja Deep Reinforcement Learning (DRL) dengan algoritma&#13;
Deep Determenistic Policy Gradient(DDPG). Data yang digunakan merupakan data&#13;
rating pengguna terhadap produk-produk skincare yang didapatkan melalui proses&#13;
crawling dan scraping pada website review produk kecantikan yaitu FemaleDaily.&#13;
Evaluasi terhadap sistem ini menunjukkan nilai precision@10 = 0.78 dan NDCG@10&#13;
sebesar 0.77 pada pelatihan 100 episode, nilai precision@10 = 0.88 dan NDCG@10&#13;
sebesar 0.87 pada pelatihan 500 episode serta nilai precision@10 = 0.90 dan&#13;
NDCG@10 sebesar 0.89 pada pelatihan 1000 episode. Hasil ini menunjukkan bahwa&#13;
kerangka kerja DRL dapat diterapkan ke dalam sistem rekomendasi skincare berbasis&#13;
rating.&#13;
Kata kunci : Sistem Rekomendasi, Skincare, Deep Reinforcement Learning</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>140857</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-11-14 12:21:54</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-11-14 14:25:30</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>