LLDIKTI4LLDIKTI4

Jurnal Tekno InsentifJurnal Tekno Insentif

Sistem rekomendasi mampu menghasilkan daftar film hasil personalisasi yang mungkin menarik bagi pengguna dengan mempelajari kegiatan pengguna dalam memberikan rating. Sistem rekomendasi diklasifikasikan dalam tiga pendekatan: Content-Based Filtering, Collaborative Filtering (CF), dan Hybrid Filtering. Pendekatan CF lebih populer dibandingkan dua pendekatan lainnya. CF memiliki dua model, yakni CF user-based (UB) dan CF item-based (IB). Namun, masalah yang dihadapi dalam CF adalah waktu komputasi yang lama karena dimensi data yang besar, kelangkaan data, dan akurasinya. Untuk mengatasi masalah ini, terdapat dua tahap yang dapat dikombinasikan pada CF, yaitu reduksi dimensi menggunakan algoritma Singular Value Decomposition (SVD) dan clustering menggunakan algoritma K-Means (KM). Tujuan penelitian ini adalah melakukan perbandingan hasil akurasi antara sistem rekomendasi film yang menggunakan metode SVD-KM-UB dan SVD-KM-IB pada dataset MovieLens.

Setelah dilakukan skenario eksperimen dan penelitian, dapat disimpulkan bahwa model pada metode SVD-KM-UB menggunakan nilai K = 16 untuk K-Means dan F = 20 untuk pendekatan CF.Sedangkan model untuk metode SVD-KM-IB adalah K = 17 dan F = 20.Pada perbandingan nilai NDCG variasi Top-N untuk model metode SVD-KM-UB dan SVD-KM-IB dengan menggunakan dataset MovieLens, diketahui bahwa metode SVD-KM-UB secara keseluruhan Top-N selalu unggul dibandingkan metode SVD-KM-IB dengan persentase kenaikan terbesar terdapat pada Top-20, yaitu sebesar 5836,4%.Kesimpulannya, sistem rekomendasi film yang menggunakan metode SVD-KM-UB lebih unggul dibandingkan metode SVD-KM-IB pada dataset MovieLens.

Berdasarkan hasil penelitian, terdapat beberapa saran penelitian lanjutan yang dapat dilakukan. Pertama, dapat dilakukan penelitian lebih lanjut untuk mengeksplorasi teknik reduksi dimensi dan clustering yang berbeda untuk meningkatkan akurasi sistem rekomendasi film. Kedua, penelitian dapat dilakukan untuk mengoptimalkan parameter-parameter dalam algoritma SVD dan K-Means agar dapat menghasilkan sistem rekomendasi yang lebih akurat. Ketiga, penelitian dapat dilakukan untuk menggabungkan teknik-teknik lain, seperti hybrid filtering, untuk meningkatkan akurasi dan efisiensi sistem rekomendasi film.

  1. Perbandingan User-Based dan Item-Based pada Sistem Rekomendasi Film Kombinasi Teknik Reduksi Dimensi... jurnal.lldikti4.or.id/index.php/jurnaltekno/article/view/1662Perbandingan User Based dan Item Based pada Sistem Rekomendasi Film Kombinasi Teknik Reduksi Dimensi jurnal lldikti4 index php jurnaltekno article view 1662
  1. #sistem rekomendasi#sistem rekomendasi
  2. #akurasi sistem#akurasi sistem
Read online
File size535.81 KB
Pages14
Short Linkhttps://juris.id/p-3kk
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test