UJI PERBANDINGAN COLLABORATIVE FILTERING ALGORITHM (CFA) DENGAN DISSYMETRICAL PERCENTAGE COLLABORATIVE FILTERING ALGORITHM (DSPCFA) PADA SISTEM REKOMENDASI FILM BERDASARKAN PREDIKSI RATING

Abstract

Dalam era penyebaran informasi yang cepat khususnya dalam dunia industri hiburan perfilman, mencari film favorit baru untuk dinikmati berdasarkan ketertarikan pengguna menjadi sebuah tantangan dikarenakan banyaknya film yang tersedia. Sistem rekomendasi adalah salah satu solusi untuk memecahkan masalah tersebut, terlebih lagi apabila pengguna masih belum mengetahui kriteria atau judul film yang hendak dicari. Algoritma sistem rekomendasi yang digunakan adalah user-based collaborative filtering algorithm (CFA) untuk memprediksi rating film yang akan direkomendasikan dengan langsung mengukur tingkat kemiripan/similarity antara pengguna target dengan pengguna lain tanpa memperhatikan banyaknya film yang sudah dirating oleh keduanya atau biasa disebut ‘common items’. Salah satu pendekatan berbeda dari algoritma CFA adalah algoritma dissymmetrical percentage collaborative filtering algorithm (DSPCFA) yang melibatkan banyaknya common items sebagai pertimbangan dari pengukuran similaritas. Algoritma DSPCFA menggunakan threshold yang berasal dari persentase terhadap jumlah rating yang dimiliki user target. Threshold tersebut akan menjadi batas minimal banyaknya common items yang harus terpenuhi pengguna lain sebelum diukur similarity-nya dengan pengguna target. Penelitian ini juga menggunakan dua metode pengukuran similaritas yaitu metode pearson correlation similarity dan metode cosine similarity sebagai perbandingan untuk mengetahui karakteristik dari masing-masing metode pengukuran. Hasil pengujian menunjukan bahwa algoritma DSPCFA menghasilkan nilai error yang lebih rendah dibandingkan algoritma CFA dengan penurunan sekitar 5% untuk metode evaluasi RMSE (Root-mean Squared Error) dan penurunan sekitar 7% menggunakan metode evaluasi MAE (Mean Absolute Error). Sedangkan untuk metode pengukuran yang diujikan menunjukan bahwa metode pearson correlation similarity menunjukan nilai error yang lebih rendah dibandingkan metode cosine similarity. Kata Kunci : Sistem Rekomendasi, Collaborative Filtering Algorithm, Dissymmetrical Percentage Collaborative Filtering Algorithm, Common Items.