Analisa Algoritma Cosine Similarity dengan Pearson Correlation pada Metode Item-based Collaborative Filtering dengan Menggunakan Dataset Movielens

Mufti Robbani, Robbani and Rima Dias Ramadhani, Ramadhani and Andika Elok Amalia, Amalia (2018) Analisa Algoritma Cosine Similarity dengan Pearson Correlation pada Metode Item-based Collaborative Filtering dengan Menggunakan Dataset Movielens. Proceedings on Conference on Electrical Engineering, Telematics, Industrial Technology, and Creative Media, 1. pp. 89-93. ISSN 978-602-53004-0-0

Preview

Text 89-93.pdf Download (464kB) | Preview

Abstract

Sistem rekomendasi merupakan sistem yang bertujuan untuk memberikan prediksi sejumlah informasi yang menarik bagi penggunanya. Pada sistem rekomendasi terdapat dua metode rekomendasi yang sudah dikenal secara luas yaitu Content-based Filtering dan Collaborative Filtering. Item-based Collaborative Filtering adalah metode rekomendasi klasik yang menggunakan rating pengguna untuk menghasilkan item rekomendasi berdasarkan kemiripan antar item. Penelitian ini membahas tentang analisa algoritma Cosine Similarity dengan Pearson Correlation pada metode Item-based Collaborative Filtering. Metode rekomendasi Item-based Collaborative Filtering mampu memberikan rekomendasi yang lebih baik dari Content-based Filtering karena menggunakan rating sebagai sumber informasi sehingga item rekomendasi yang dihasilkan mempunyai variasi konten dan kemungkinan disukai oleh pengguna. Dengan sample data dari movielens 100k rating sebanyak 7 user dan 6 movie yang berbeda didapatkan 1 rekomendasi movie yang sama pada kategori movie yang paling mirip sedangkan pada movie yang paling tidak mirip kedua algoritma memberikan hasil yang berbeda dengan perbandingan nilai similarity dan komposisi rating yang cukup signifikan.

Actions (login required)

View Item