SISTEM REKOMENDASI BERBASIS KOMBINASI SEMANTIC SIMILARITY DAN COLLABORATIVE FILTERING (STUDI KASUS PADA TOKO ACCESORIES HANDPHONE BESSELLING CELL)

IMAM FAHRURROZI, Dr. Azhari SN, M.T.

2014 | Tesis | S2 Ilmu Komputer

Sistem rekomendasi merupakan salah suatu komponen yang dikembangkan pada sistem toko online. Pada kasus ini, salah satu metode yang paling populer dan sering digunakan adalah collaborative filtering. Akan tetapi, metode ini mempunyai beberapa kelemahan. Maka dari itu, penelitian ini bermaksud mengkombinasikan metode collaborative filtering dan semantic similarity dengan metode Leacock Chodorow, dan metode ini diharapkan dapat mengurangi beberapa kekurangan yang ada pada collaborative filtering standar. Berdasarkan hasil dari beberapa percobaan, nilai terbaik dari parameter kombinasi semantik untuk kasus ini adalah sebesar 0,30. Dan berdasarkan hasil tersebut, kombinasi dari kedua metode tersebut berhasil mengurangi beberapa kekurangan yang ada pada collaborative filtering standar, terutama pada masalah cold-start item dan sparsity. Bahkan, metode ini menghasilkan nilai MAE (nilai kesalahan) yang lebih kecil daripada collaborative filtering standar.

Recommendation system is a component which has been developed for online commerce purposes. In this issue, one of the popular methods that has been widely used is collaborative filtering. However, this method has some drawbacks and needs to be improved. Therefore, in this research a combination of collaborative filtering and a semantic similarity with Leacock Chodorow method has been done, and it is expected reducing some deficiencies on the original collaborative filtering method. Based on the performance tests, the results conclude that the combination can reduce some weaknesses on the original collaborative filtering, especially on the cold-start item and sparsity issue. For this case, based on the results of some experiments, the best value of the semantic combination parameter is 0,30. Hence, this proposed method produces the smaller MAE value (error value) compared to the original method.

Kata Kunci : Sistem rekomendasi, collaborative filtering, leacock chodorow, kombinasi, parameter kombinasi semantik, MAE, cold-start item, sparsity.