Skip to content

About

Repository ini berisi kode, dataset, dan dokumentasi untuk penelitian sistem rekomendasi game menggunakan metode Collaborative Filtering. Proyek ini memanfaatkan dataset dari Steam dan mengimplementasikan algoritma seperti Singular Value Decomposition (SVD) dan Pearson Correlation untuk memberikan rekomendasi game yang relevan dan dipersonalisasi.

Resources

Stars

0 stars

Watchers

1 watching

Forks

Repository files navigation

SteamGameRecommender

Repository ini berisi kode, dataset, dan dokumentasi untuk Proyek ini memanfaatkan dataset dari Steam dan mengimplementasikan algoritma seperti Singular Value Decomposition (SVD) untuk memberikan rekomendasi game yang relevan dan dipersonalisasi.

Dataset

Dataset yang digunakan berasal dari Kaggle:
Game Recommendations on Steam.

Fitur Utama

  • Rekomendasi Game Berdasarkan Preferensi Pengguna: Menggunakan algoritma Collaborative Filtering dengan Singular Value Decomposition (SVD) untuk memberikan rekomendasi game berdasarkan pola preferensi pengguna yang mirip.
  • Matrix Factorization: Menggunakan teknik matrix factorization untuk mengurangi dimensi data interaksi antara pengguna dan game, sehingga lebih efisien dalam memberikan rekomendasi.
  • Rasio Positif Game: Menampilkan game berdasarkan rasio positifnya, memberikan rekomendasi game dengan rating yang lebih tinggi untuk pengalaman pengguna yang lebih baik.
  • Genre Game: Mempertimbangkan genre game untuk memberikan rekomendasi yang relevan dengan minat pengguna.
  • Harga Game: Menampilkan harga game yang direkomendasikan untuk memberikan pertimbangan berdasarkan anggaran pengguna.

Struktur Repository

  • /docs: folder ini berisikan dokumentasi dari project ini
  • /pengembangan: folder untuk pengembangan versi untuk terminal hanya mencobak bagian backendnya saja untuk algoritma sistem rekomendasi menggunakan collaborative filltering
  • /template_static: template yang berlum di masukkan dalam flask hanya template static biasa
  • /static: folder yang berisikan semua komponen frontend dari template yang di gunakan
  • /templates: folter yang berisikan file html setiap pagenya

Cara Penggunaan

  1. Clone repository:
    git clone https://github.com/username/SteamGameRecommender.git
    
  2. Run Code:
    pyhton app.py

About

Repository ini berisi kode, dataset, dan dokumentasi untuk penelitian sistem rekomendasi game menggunakan metode Collaborative Filtering. Proyek ini memanfaatkan dataset dari Steam dan mengimplementasikan algoritma seperti Singular Value Decomposition (SVD) dan Pearson Correlation untuk memberikan rekomendasi game yang relevan dan dipersonalisasi.

Resources

Stars

0 stars

Watchers

1 watching

Forks

Releases

Packages

Contributors

Languages