Skalabilitas menjadi masalah yang dihadapi oleh sistem rekomendasi yang menggunakan algoritme collaborative filtering. Masalah yang sama juga dihadapi ketika menggunakan algoritme multi-criteria collaborative filtering. Ketika ukuran dataset yang diolah semakin meningkat secara signifikan, kinerja multi-criteria collaborative filtering menjadi kurang maksimal. Penelitian ini berusaha untuk mengatasi masalah skalabilitas yang dihadapi multi-criteria collaborative filtering dengan menerapkan pendekatan scale-out atau menambahkan node ke sistem. Proses pembangkitan rekomendasi pada sistem rekomendasi multi-criteria collaborative filtering akan dilakukan pada jaringan komputer multi node yang terdapat pada cluster menggunakan framework Apache Spark. Dataset hotel multikriteria yang digunakan untuk membuat rekomendasi disebar menjadi beberapa partisi sesuai jumlah node yang digunakan. Algoritme multi-criteria collaborative filtering diimplementasikan secara paralel menggunakan API RDD yang terdapat pada framework Apache Spark untuk mengolah dataset yang telah dipartisi. Untuk mengukur kinerja sistem, dinilai skalabilitas berdasarkan nilai speedup dari perbandingan waktu eksekusi yang didapatkan dari program rekomendasi multi-criteria collaborative filtering yang dijalankan pada berbagai ukuran cluster. Berdasarkan hasil pengujian, didapatkan nilai speedup multi-criteria collaborative filtering pada cluster Apache Spark dengan 5 node worker adalah sebesar 2,342 yang kemudian meningkat menjadi 3,760 pada cluster yang mempunyai 10 node worker. Nilai speedup meningkat kembali menjadi 4,229 pada cluster yang memuat 15 node worker dan menjadi 5,564 ketika dijalankan pada cluster dengan 20 node worker.

Scalability is a problem commonly faced by a recommendation system that uses collaborative filtering methods. Multi-criteria collaborative filtering recommendation system facing the exact same problem. The performance of multi-criteria collaborative filtering is reduced when the amount of data processed by recommendation system is increasing too high. This research aim to solve the scalability problem of multi-criteria collaborative filtering algorithm by applying scale-out approach or adding computer node to run the recommendation system. The dataset will be distributed through certain number of partitions depend on the size of the cluster. Multi-criteria collaborative filtering algorithm will be implement in parallel way using RDD API of Apache Spark framework. The process of generating a recommendation on multi-criteria collaborative filtering recommendation system will be done on a multiple nodes computer network inside a cluster using Apache Spark framework. To measure the performance of implemented system, the execution time of multi-criteria collaborative filtering recommendation system that are implemented in a recommendation program on Apache Spark will be compared in the form of speedup value. Based on test results, it is known that as the number of size of datasets are increased. The speedup value is 2,342 on cluster with 5 worker nodes and increased to 3,760 inside a cluster with 10 worker nodes. The speedup value on cluster with 15 worker nodes become 4,229 and increased to 5,564 when use cluster with 20 worker nodes.

Kata Kunci : sistem rekomendasi, multi-criteria collaborative filtering, skalabilitas, Apache Spark