Wibowo, Eko Empu (2024) SISTEM REKOMENDASI FILM DENGAN METODE ITEM-BASED COLLABORATIVE FILTERING DAN ALGORITMA KNN. Diploma thesis, UPN Veteran Yogyakarta.
![[thumbnail of SKRIPSI FULL TEXT_123170023_EKO EMPU WIBOWO.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
SKRIPSI FULL TEXT_123170023_EKO EMPU WIBOWO.pdf Restricted to Repository staff only Download (2MB) |
|
Text
ABSTRAK_123170023_EKO EMPU WIBOWO.pdf Download (80kB) |
|
Text
COVER_123170023_EKO EMPU WIBOWO.pdf Download (73kB) |
|
Text
DAFTAR ISI_123170023_EKO EMPU WIBOWO.pdf Download (78kB) |
|
Text
DAFTAR PUSTAKA_123170023_EKO EMPU WIBOWO.pdf Download (108kB) |
|
Text
PENGESAHAN PEMBIMBING__123170023_EKO EMPU WIBOWO.pdf Download (403kB) |
|
Text
PENGESAHAN PENGUJI__123170023_EKO EMPU WIBOWO.pdf Download (532kB) |
Abstract
Industri perfilman menjadi industri yang berkembang cukup pesat pada saat ini.
Seiring berkembangnya teknologi, film yang sudah menjadi salah satu hiburan yang popular
dikalangan masyarakat khususnya anak muda. Sejak tahun 1874-2015, sebanyak 3,361,741
judul film sudah dikeluarkan oleh industri perfilman. Dengan banyaknya jumlah film yang
telah dibuat maka diperlukan sistem rekomendasi untuk memudahkan user dalam mencari
film yang relevan dengan bantuan rating yang diberikan oleh user lain sebagai acuan
pemilihan film yang direkomendasikan.
Sistem rekomendasi ialah suatu mekanisme yang dapat memberikan informasi kepada
user suatu rekomendasi atau saran tentang item yang akan digunakan konsumen atau
pelangggan. Dua metode yang umum digunakan pada sistem rekomendasi adalah Content-
based Filtering dan Collaborative Filtering. Kekurangan yang terdapat pada pendekatan
Content-based Filtering memunculkan pendekatan Collaborative Filtering untuk
menyempurnakan kekurangan tersebut. Metode Collaborative Filtering memiliki dua
pendekatan yaitu berbasis memori dan berbasis model. Berbasis memori memberikan
rekomendasi menggunakan item pengguna secara langsung. Pendekatan dalam memory-
based ada dua, yaitu user-based dan item-based. Berbasis pengguna menemukan kesamaan
antar pengguna untuk memberikan rekomendasi item yang akan disukai pengguna. Di sisi
lain, prediksi berbasis item didasarkan pada item yang mirip dengan item yang disukai
pengguna, sementara pada saat yang sama algoritma item-based juga memberikan kualitas
prediksi yang lebih baik dari pada algoritma user-based.
Hasil pengujian penerapan metode Item-Based Collaborative Filtering pada sistem
rekomendasi film didapatkan Parameter k = 50 dari K-Nearest Neighbor parameter K yang
paling optimal untuk melakukan rekomendasi pada dataset “Movielens Latest Datasets”, hal
ini dapat dilihat pada hasil pengujian dengan Mean Absolute Error (MAE) sedangkan Rasio
pembagian dataset sebesar 80:20 mendapatkan hasil rendah di bawah 1 yaitu sebesar 0.7593.
Kata kunci : Film,sistem rekomendasi,item-based collaborative
filtering,movielens,algorithma KNN
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Film,sistem rekomendasi,item-based collaborative filtering,movielens,algorithma KNN |
| Subjects: | Q Science > Q Science (General) |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
| Depositing User: | Eny Suparny |
| Date Deposited: | 17 Jul 2024 03:11 |
| Last Modified: | 17 Jul 2024 03:11 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/40262 |
Actions (login required)
 |
View Item |