IMPLEMENTASI SISTEM REKOMENDASI FILM DENGAN MENGGABUNGKAN METODE CONTENT-BASED FILTERING DAN COLLABORATIVE FILTERING

Amini, Hafiza Sidqi (2024) IMPLEMENTASI SISTEM REKOMENDASI FILM DENGAN MENGGABUNGKAN METODE CONTENT-BASED FILTERING DAN COLLABORATIVE FILTERING. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK_HAFIZA SIDQI AMINI_123180130.pdf Download (11kB)
	Text COVER_HAFIZA SIDQI AMINI_123180130.pdf Download (154kB)
	Text DAFTAR ISI_HAFIZA SIDQI AMINI_123180130.pdf Download (103kB)
	Text DAFTAR PUSTAKA_HAFIZA SIDQI AMINI_123180130.pdf Download (134kB)
	Text PENGESAHAN PEMBIMBING_HAFIZA SIDQI AMINI_123180130.pdf Download (344kB)
	Text PENGESAHAN PENGUJI_HAFIZA SIDQI AMINI_123180130.pdf Download (371kB)
	Text SKRIPSI FULTEXT_HAFIZA SIDQI AMINI_123180130.pdf Restricted to Repository staff only Download (5MB)

Abstract

Produksi film yang meningkat menambah pilihan bagi penonton untuk memilih
film yang ingin ditonton. Banyaknya pilihan film justru memberikan masalah baru
kepada masyarakat untuk menentukan film yang akan ditonton, sehingga dibutuhkan
sistem rekomendasi yang mampu menyediakan saran atau mengarahkan penggguna
pada film yang sesuai dengan preferensi pengguna. Dalam pembuatan sistem
rekomendasi, terdapat beberapa permasalahan seperti cold-start problem yang sering
dialami pada metode collaborative filtering dan sistem rekomendasi yang belum sesuai
dengan preferensi pengguna seperti yang dialami pada metode content-based filtering.
Penelitian ini akan melakukan perbandingan performa sistem rekomendasi film
antara 3 metode, yaitu metode collaborative filtering, metode content-based filtering,
dan penggabungkan kedua metode sebelumnya (hybrid content-collaborative filtering)
dengan menggunakan parameter rating, genre, aktor, sutradara, dan sinopsis. Metode
collaborative filtering memiliki keunggulan yaitu memberikan rekomendasi agar sesuai
dengan preferensi pengguna, sehingga dapat menutupi kelemahan metode contentbased

filtering. Sebaliknya, metode content-based filtering mempunyai kelebihan
memberikan rekomendasi agar sesuai dengan konten, sehingga diharapkan dapat
mengatasi cold-start problem. Langkah metode collaborative filtering dimulai dari
pembuatan matriks item-user, perhitungan similaritas menggunakan cosine similarity,
dan perhitungan prediksi rating weighted sum. Sedangkan tahapan metode contentbased

filtering dimulai dari pembobotan term menggunakan TF-IDF, perhitungan
similaritas cosine similarity, dan perhitungan prediksi rating weighted sum. Kemudian,
penggabungan kedua metode akan menggunakan teknik hybrid linear. Evaluasi yang
digunakan adalah pengukuran tingkat error mean absolute error (MAE) dan root mean
square error (RMSE).
Berdasarkan hasil pengujian yang dilakukan, metode dengan performa terbaik
adalah metode collaborative filtering dengen nilai MAE sebesar 0.6648 dan RMSE
sebesar 0.8869. Metode hybrid filtering mendapat nilai MAE sebesar 0.6676 dan
RMSE sebesar 0.8905. Sedangkan metode content-based filtering mendapat nilai MAE
sebesar 0.6779 dan RMSE sebesar 0.901. Adapun parameter terbaik dalah metode
content-based filtering dan hybrid filtering adalah parameter aktor dengan nilai MAE
sebesar 0.6704 dan RMSE sebesar 0.8947, diikuti dengan parameter genre, sinopsis,
dan sutradara.

Kata kunci: sistem rekomendasi film, collaborative-filtering, content-based filtering,
hybrid content-collaborative filtering

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	sistem rekomendasi film, collaborative-filtering, content-based filtering, hybrid content-collaborative filtering
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	06 May 2024 08:41
Last Modified:	06 May 2024 08:41
URI:	http://eprints.upnyk.ac.id/id/eprint/39400

Actions (login required)

View Item