PERBANDINGAN ALGORITMA COLLABORATIVE FILTERING DALAM SISTEM REKOMENDASI FILM

Indraswari, Aziza Devita (2021) PERBANDINGAN ALGORITMA COLLABORATIVE FILTERING DALAM SISTEM REKOMENDASI FILM. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (461kB)
	Text (BAB I) BAB I.pdf Download (221kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (402kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (138kB)
	Text Surat Pernyataan Publish Diluar 17.11.0935 Aziza Devita Indraswari.pdf Download (183kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (408kB)
	Text (BAB V) BAB V.pdf Download (44kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (86kB)
	Other (OURCE CODE) Source Code-17.11.0935-Aziza Devita Indraswari - Aziza Devita Indraswari.rar Restricted to Repository staff only Download (7MB)
	Text Surat Pernyataan Publish Diluar 17.11.0935 Aziza Devita Indraswari.pdf Download (183kB)
	Text (PUBLIKASI) Surat Pernyataan Publish Diluar 17.11.0935 Aziza Devita Indraswari.pdf Download (183kB)

Abstract

Saat ini sistem rekomendasi telah banyak digunakan pada aplikasi online seperti media sosial, pemesanan makanan online, e-commerce, dan lain sebagainya. Seiring berkembangnya internet, sistem rekomendasi dianggap penting karena menjadi tolak ukur kepuasan pengguna terhadap suatu hal. Collaborative Filtering (CB) saat ini adalah salah satu teknik yang terpopuler untuk sistem rekomendasi karena dianggap mudah digunakan terutama apabila adanya pengguna baru. Collaborative Filtering memiliki dua pendeketan yang umum digunakan, yaitu pendekatan User-Based Collaborative Filtering dan pendekatan Item-Based Collaborative Filtering. Oleh sebab itu, pada penelitian ini akan menguji dan membandingkan tiga algoritma Collaborative Filtering. Terdapat tiga algoritma yang diuji pada penelitian ini antara lain Pearson Correlation Coefficient (PCC), Cosine, dan Mean Square Difference (MSD) yang diterapkan pada data Movielens dengan pendekatan User-Based maupun ItemBased. Pengujian dalam penelitian ini bertujuan untuk mengetahui algoritma dengan hasil nilai akurasi tertinggi dalam memberikan rekomendasi. Pada saat pengujian, data terbagi menjadi 5 bagian dengan porsi 80% sebagai data training dan 20% sebagai data test. Hasil yang diperoleh dengan menggunakan RMSE adalah algoritma MSD secara keselurahan memiliki hasil terbaik dari 3 dataset yang telah diuji, kemudian Pearson dan Cosine dengan hasil akurasi yang cukup berimbang.

Actions (login required)

View Item