SISTEM REKOMENDASI UNTUK ARTIKEL BERBAHASA INDONESIA MENGGUNAKAN METODE HYBRID FILTERING (Studi Kasus : Entertainment Korean Pop K-Pop)

SITI PUSPITA HSM, Dr.tech Khabib Mustofa, S.Si., M.Kom.

2016 | Tesis | S2 Ilmu Komputer

Sistem rekomendasi merupakan suatu program aplikasi untuk menyediakan dan merekomendasikan suatu item dalam membuat suatu keputusan yang diinginkan oleh pengguna. Metode hybrid filtering dengan item-based clustering hybrid method(ICHM) dibuat untuk mengatasi kekurangan yang terdapat pada metode content-based filtering yang memiliki keterbatasan ketika pengguna menginginkan rekomendasi item yang berbeda jenis kontennya dengan items yang sebelumnya pernah dipilih olehnya dan collaborative filtering yang memiliki kelemahan pada item yang belum pernah di rating pengguna atau cold-start problem dan pengimpelementasiannya pada data yang besar. Pada tesis ini dijelaskan bagaimana metode hybrid filtering menggunakan item-based clustering hybrid method (ICHM) berdasarkan isi (content) dan rating yang diberikan untuk menghasilkan suatu rekomendasi artikel K-Pop berbahasa Indonesia. Tesis ini menggunakan data yang diperoleh dari halaman web berbahasa Indonesia terkait K-Pop. Item-based clustering hybrid method(ICHM) digunakan untuk meningkatkan akurasi prediksi dari pendekatan collaborative filtering dan menanggulangi masalah item baru yang belum di rating (cold-start problem). Penelitian ini adalah sebuah sistem rekomendasi artikel K-Pop berbahasa Indonesia berbasis web menggunakan bahasa pemrograman PHP dan database MySQL. Untuk mengevaluasi akurasi prediksi rating yang dihasilkan sistem rekomendasi digunakan Mean Absolute Error (MAE) dengan membandingkannya terhadap rating aktual yang diberikan oleh pengguna. MAE dipilih sebagai metrik evaluasi karena mudah dan banyak digunakan di beberapa penelitian.

Recommendation system is an application program to provide and recommended an item to make a decision that is desired by the user. Methods hybrid filtering with item-based clustering hybrid method (ICHM) created to overcome the shortage be found in the method of content-based filtering has its limitations when users want on a different item types content with items that had previously been selected by him and collaborative filtering that has weaknesses on items that have never been on user ratings or cold-start problem and implementation on large data. This thesis resolve how method hybrid filtering using item-based hybrid clustering method (ICHM) based on content (content) and the rating given to produce a recommendation article K-Pop in Indonesian language. This thesis using data from page web Indonesian language related K-Pop. Item-based hybrid clustering method (ICHM) is used to improve the accuracy of prediction of collaborative filtering approach and tackle the new items that have not been in the rating (cold-start problem). The results of this study is a recommendation system for articles in Indonesian language using a web-based programming language PHP and MySQL database. For evaluate the predictive accuracy of the resulting rating recommendation system used Mean Absolute Error (MAE) by comparing the actual rating given by the user. MAE selected as the evaluation metrics as simple and widely used in several studies.

Kata Kunci : recommender system, hybrid filtering, ICHM, MAE, cold-start problem