In the last decade, the problem of

In the last decade, the problem of getting a consensus group ranking from all users’ ranking data has received increased attention due to its widespread applications. Previous research solved this problem by consolidating the opinions of all users, thereby obtaining an ordering list of all items that represent the achieved consensus. The weakness of this approach, however, is that it always produces a ranking list of all items, regardless of how many conflicts exist among users. This work rejects the forced agreement of all items. Instead, we define a new concept, maximum consensus sequences, which are the longest rank¬ing lists of items that agree with the majority and disagree only with the minority. Based on this concept, algorithm MCS is developed to determine the maximum consensus sequences from users’ ranking data, and also to identify conflict items that need further negotiation. Extensive experiments are carried out using synthetic data sets, and the results indicate that the proposed method is computationally efficient. Finally, we discuss how the identified consensus sequences and conflict items information can be used in practice.

Results (Indonesian) 1:

Dalam dekade terakhir, masalah mendapatkan konsensus kelompok peringkat dari semua pengguna peringkat data telah menerima perhatian yang meningkat karena aplikasi yang luas. Penelitian sebelumnya memecahkan masalah ini oleh mengkonsolidasikan pendapat semua pengguna, sehingga mendapatkan daftar yang memesan semua item yang mewakili konsensus dicapai. Kelemahan dari pendekatan ini, bagaimanapun, adalah bahwa itu selalu menghasilkan daftar peringkat semua item, terlepas dari berapa banyak konflik yang ada antara pengguna. Karya ini menolak perjanjian paksa dari semua item. Sebaliknya, kita mendefinisikan konsep baru, konsensus maksimum urutan, yang terpanjang rank¬ing daftar item yang setuju dengan sebagian besar dan tidak setuju hanya dengan minoritas. Berdasarkan konsep ini, algoritma MCS dikembangkan untuk menentukan urutan maksimum konsensus dari data peringkat pengguna, dan juga untuk mengidentifikasi item konflik yang membutuhkan negosiasi lebih lanjut. Percobaan ekstensif dilakukan dengan menggunakan sintetis kumpulan data, dan hasilnya menunjukkan bahwa metode yang diusulkan produk efisien. Akhirnya, kita membahas bagaimana urutan diidentifikasi konsensus dan konflik item informasi dapat digunakan dalam praktek.

Results (Indonesian) 2:

Dalam dekade terakhir, masalah mendapatkan konsensus kelompok peringkat dari data peringkat semua pengguna 'telah menerima peningkatan perhatian karena aplikasi secara luas. Penelitian sebelumnya memecahkan masalah ini dengan mengkonsolidasikan pendapat semua pengguna, sehingga mendapatkan daftar pemesanan semua item yang mewakili konsensus dicapai. Kelemahan dari pendekatan ini, bagaimanapun, adalah bahwa hal itu selalu menghasilkan daftar peringkat dari semua item, terlepas dari berapa banyak konflik ada di antara pengguna. Karya ini menolak perjanjian paksa semua item. Sebaliknya, kita mendefinisikan konsep baru, urutan konsensus maksimum, yang merupakan daftar rank¬ing terpanjang item yang setuju dengan mayoritas dan tidak setuju hanya dengan minoritas. Berdasarkan konsep ini, algoritma MCS dikembangkan untuk menentukan urutan konsensus maksimum dari data peringkat pengguna, dan juga untuk mengidentifikasi item konflik yang perlu negosiasi lebih lanjut. Percobaan ekstensif yang dilakukan dengan menggunakan set data sintetik, dan hasilnya menunjukkan bahwa metode yang diusulkan adalah komputasi efisien. Akhirnya, kita membahas bagaimana mengidentifikasi urutan konsensus dan item konflik informasi dapat digunakan dalam praktek.