Sistem Rekomendasi Abstrak Dokumen dengan Content Based Filtering

RYAN ARIEF MISNADIN, Dr. techn. Khabib Mustofa S.Si,. M.Kom.

2017 | Tesis | S2 Ilmu Komputer

Sistem Rekomendasi adalah sistem yang berfungsi memberikan saran berupa daftar item dari sekumpulan item yang berguna bagi pengguna. Berbagai metode pendekatan telah diterapkan dan dikembangkan dalam implementasi sistem rekomendasi antara lain: content based filtering dan collaborative filtering. Sistem Rekomendasi mencoba untuk memprediksi item apa yang menarik bagi pengguna tertentu berdasarkan keterkaitan konten antar dokumen yang satu dengan yang lainya. Metode content-based filtering menggunakan pendekatan dengan cara mencari kedekatan antara item yang ada, kedekatan dapat diukur dengan membandingkan isi dari suatu item dengan item yang lain. Dengan pendekatan ini, sistem tidak perlu menyimpan data pengguna serta tidak harus menyimpan data transaksi yang dilakukan pengguna. Oleh karena itu penelitian ini akan memanfaatkan isi dari abstrak dokumen dengan content based filtering (TF-IDF, adjusted cosine similarity). Berdasarkan hasil percobaan, rekomendasi menggunakan content-based filtering memiliki performa precision sebesar 0,9332, performa recall sebesar 0,4945 dan f-measure sebesar 0,5681.

Recommendation system is a system that gives recommendation of a list of items based on any other items, which is very useful for users. Various techniques have been applied and developed in terms of implementating these recommendation system, which are content based filtering and collaborative filtering. Recomender system tries to predict which items are interesting by spesific users based on similarity of each documents. Content based filtering approach case by searching similarity between any each items that available. By doing this, there is no need to collect user�s datas. Therefore, this research will use content-based filtering using TF-IDF and adjusted cosine similarity. Based on experiments, recommendation system using content-based filtering produce precision in the amount of 0.9332, recall performance in the amount of 0.4945 while f-measure performs on 0,5681.

Kata Kunci : Sistem rekomendasi, abstrak dokumen, TF-IDF, adjusted cosine similarity.