Text

Uji Perbandingan Collaborative Filtering Algorithm (CFA) Dengan Dissymetrical Percentage Collaborative Filtering Algorithm (DSPCFA) Pada Sistem Rekomendasi Film Berdasarkan Prediksi Rating

---

ABSTRAK

Dalam era penyebaran informasi yang cepat khususnya dalam dunia industri hiburan
perfilman, mencari film favorit baru untuk dinikmati berdasarkan ketertarikan pengguna
menjadi sebuah tantangan dikarenakan banyaknya film yang tersedia. Sistem rekomendasi
adalah salah satu solusi untuk memecahkan masalah tersebut, terlebih lagi apabila pengguna
masih belum mengetahui kriteria atau judul film yang hendak dicari.
Algoritma sistem rekomendasi yang digunakan adalah user-based collaborative filtering
algorithm (CFA) untuk memprediksi rating film yang akan direkomendasikan dengan
langsung mengukur tingkat kemiripan/similarity antara pengguna target dengan pengguna lain
tanpa memperhatikan banyaknya film yang sudah dirating oleh keduanya atau biasa disebut
‘common items’. Salah satu pendekatan berbeda dari algoritma CFA adalah algoritma
dissymmetrical percentage collaborative filtering algorithm (DSPCFA) yang melibatkan
banyaknya common items sebagai pertimbangan dari pengukuran similaritas. Algoritma
DSPCFA menggunakan threshold yang berasal dari persentase terhadap jumlah rating yang
dimiliki user target. Threshold tersebut akan menjadi batas minimal banyaknya common items
yang harus terpenuhi pengguna lain sebelum diukur similarity-nya dengan pengguna target.
Penelitian ini juga menggunakan dua metode pengukuran similaritas yaitu metode pearson
correlation similarity dan metode cosine similarity sebagai perbandingan untuk mengetahui
karakteristik dari masing-masing metode pengukuran.
Hasil pengujian menunjukan bahwa algoritma DSPCFA menghasilkan nilai error yang lebih
rendah dibandingkan algoritma CFA dengan penurunan sekitar 5% untuk metode evaluasi
RMSE (Root-mean Squared Error) dan penurunan sekitar 7% menggunakan metode evaluasi
MAE (Mean Absolute Error). Sedangkan untuk metode pengukuran yang diujikan
menunjukan bahwa metode pearson correlation similarity menunjukan nilai error yang lebih
rendah dibandingkan metode cosine similarity.
Kata Kunci : Sistem Rekomendasi, Collaborative Filtering Algorithm, Dissymmetrical
Percentage Collaborative Filtering Algorithm, Common Items.vi

ABSTRACT

In era of rapid information transmissions, especially in the cinema industry, searching for a
new favorite movie based on user interest is a challenge because of many movies that are
available. The recommendation system is one kind of solution to solves this problem,
especially if the user still does not know the criteria or the title of the movie he wants to find.
User-based recommendation system is the
User-based collaborative filtering algorithm (CFA) is used to predict movie ratings which will
be recommended by directly measuring the level of similarity between target users and other
users regardless of the number of films that have been rated by both or commonly called
‘common items’. One of the different approaches of the CFA algorithm is a dissymmetric
percentage collaborative filtering algorithm (DSPCFA) algorithm which involves common
items as a consideration of measuring similarity. The DSPCFA algorithm uses a threshold
derived from the percentage of the number of ratings the target user has. The threshold will be
the minimum limit for the number of common items that other users must meet before the
similarity is measured with the target user. This study also uses two methods of measuring
similarity, namely pearson correlation similarity and cosine similarity as a comparison to
determine the characteristics of each measurement method.
The test results show that the DSPCFA algorithm produces a lower error value than the
CFA algorithm with at least 5% error decrease using RMSE (Root-mean Squared Error)
evaluation method and at least 7% error decrease using MAE (Mean Absolute Error)
evaluation method. While test results for measurement method show that pearson
correlation similarity produces lower error value than cosine similarity.
Keywords : Recommendation System, Collaborative Filtering Algorithm, Dissymmetrical
Percentage Collaborative Filtering Algorithm, Common Items.

---

Ketersediaan

742F19III

742 F 19-ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

742 F 19-ii

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

530.44

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Johan Eko Purnomo

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar