IMPLEMENTASI PENGGABUNGAN KNN ITEM-BASED DAN KNN USER-BASED SECARA LINEAR HYBRID PADA SISTEM REKOMENDASI FILM

Zain, Nisrina Athiyya (2024) IMPLEMENTASI PENGGABUNGAN KNN ITEM-BASED DAN KNN USER-BASED SECARA LINEAR HYBRID PADA SISTEM REKOMENDASI FILM. Other thesis, UPN Veteran Yogyakarta.

	Text COVER.pdf Download (166kB)
	Text ABSTRAK.pdf Download (254kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (488kB)
	Text PENGESAHAN PENGUJI.pdf Download (475kB)
	Text DAFTAR ISI.pdf Download (284kB)
	Text DAFTAR PUSTAKA.pdf Download (225kB)
	Text SKRIPSI FULL_NISRINA ATHIYYA ZAIN_123200042.pdf Restricted to Repository staff only Download (3MB)

Abstract

Industri perfilman telah mengalami perkembangan pesat, terutama dengan meningkatnya popularitas layanan streaming yang memberikan akses beragam terhadap film dan serial (Ryana Agustian & Prasetyo Nugroho, 2020; Umar et al., 2020). Meskipun layanan ini menawarkan banyak pilihan, pengguna sering kali kesulitan menemukan film yang ingin ditonton (Hadi et al., 2020). Metode rekomendasi yang umum digunakan, yaitu item-based dan user-based, masing-masing memiliki kelemahan. Item-based seringkali kurang akurat dalam menghasilkan rekomendasi karena hanya mempertimbangkan kesamaan antara item, sementara user-based menghadapi tantangan terkait keterbatasan informasi untuk pengguna baru.

Metodologi yang diterapkan dalam penelitian ini melibatkan penggabungan KNN item-based dan KNN user-based untuk meningkatkan akurasi sistem rekomendasi film. Pengujian dilakukan dengan menghitung Mean Absolute Error (MAE) untuk berbagai parameter K (3, 5, 9, 15, 23, 33, 45), memanfaatkan kelebihan dari kedua pendekatan untuk menghasilkan rekomendasi yang lebih relevan.

Hasil penelitian menunjukkan bahwa pendekatan hybrid yang menggabungkan metode KNN item-based dan KNN user-based mampu meningkatkan akurasi sistem rekomendasi. Pada nilai K sebesar 45, MAE untuk KNN item-based tercatat sebesar 0.796, KNN user-based sebesar 0.757, dan pendekatan hybrid sebesar 0.731. Temuan ini menunjukkan bahwa penggabungan metode tersebut efektif dalam mengatasi kelemahan masing-masing metode dan memberikan rekomendasi yang lebih baik kepada pengguna.

Kata Kunci: Sistem Rekomendasi Film. KNN, KNN Item Based, KNN User Based.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Sistem Rekomendasi Film. KNN, KNN Item Based, KNN User Based.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	02 Jan 2025 01:42
Last Modified:	02 Jan 2025 01:42
URI:	http://eprints.upnyk.ac.id/id/eprint/41947

Actions (login required)

View Item