Update Artikelilmiah: 44958

ILHAN MAHARDIKA PRATAMA

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Hampir semua aspek kehidupan manusia tidak luput dari peran teknologi di dalamnya. Salah satu yang terpenting bagi manusia yaitu aspek hiburan dan salah satu yang paling diminati oleh masyarakat adalah film. Dengan banyaknya pilihan yang disuguhkan, pengguna kerap kali kebingungan untuk menentukan film yang sesuai dengan selera mereka. Oleh karena itu, sebagai solusi dari masalah tersebut, diperlukan sebuah sistem rekomendasi yang dapat memberikan rekomendasi film kepada pengguna dengan melihat karakteristik selera pengguna tertentu. Sistem ini  menggabungkan metode content-based filtering dan Collaborative Filtering ke dalam sebuah hybrid recommendation system. Hal ini bertujuan untuk menutupi kelemahan dari masing-masing metode individual. Pengembangan sistem rekomendasi ini menggunakan algoritma Pearson Correlation untuk metode Collaborative Filtering dan algoritma Cosine Similarity untuk metode content-based filtering. Kedua model tersebut digabungkan dengan menggunakan teknik hybrid weighting untuk mendapatkan hasil rekomendasi yang optimal. Hasil dari pengembangan sistem ini adalah sebuah website rekomendasi film di mana pengguna dapat memberikan rating film yang sudah ditonton sekaligus mendapatkan rekomendasi film yang belum pernah ditonton. Hasil pengujian NDCG@20 model rekomendasi mendapatkan nilai 0,9482 untuk model Hybrid, 0,9621 untuk model CF, dan 0,9439 untuk model CBF. Walaupun nilai NDCG untuk model CF lebih tinggi dibandingkan model Hybrid, model Hybrid mampu menghasilkan rekomendasi yang lebih variatif serta dapat menutupi kelemahan dari masing-masing metode.

Abtrak (Bhs. Inggris)

Almost every aspect of human life is influenced by technology. One of the most important aspects for humans is entertainment, and one of the most popular forms of entertainment is movies. With the plethora of choices available, users often find it difficult to choose movies that suit their tastes. Therefore, to solve this problem, a recommendation system is needed that will provide movie recommendations to users based on the characteristics of their specific preferences. This system combine content-based filtering and Collaborative Filtering methods into a hybrid recommendation system. The goal is to cover the weaknesses of each individual method. The development of this recommendation system uses the Pearson Correlation algorithm for the Collaborative Filtering method and the Cosine Similarity algorithm for the content-based filtering method. These two models will then be combined using a hybrid weighting technique to achieve optimal recommendation results. The outcome of this system development is a movie recommendation website where users can rate movies they have watched and receive recommendations for movies they have not yet seen. The results of the NDCG@20 evaluation for the recommendation models are as follows: the Hybrid model achieved a score of 0.9482, the CF model achieved a score of 0.9621, and the CBF model achieved a score of 0.9439. Although the NDCG value for the CF model is higher compared to the Hybrid model, the Hybrid model is able to produce more diverse recommendations and can address the weaknesses of each method.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman