Faktorisasi Matriks adalah salah satu metode yang digunakan pada Sistem Rekomendasi untuk membuat sebuah model prediksi rating. Salah satu jenisnya adalah Regularized Matriks Factorization yang mampu memberikan kualitas rekomendasi yang tinggi pada sebuah sistem rekomendasi. Akan tetapi, teknik - teknik Faktorisasi Matriks bermasalah jika model pada sistem rekomendasi berupa model yang statik. Permasalahan performansi terjadi, karena proses Learning data pada Faktorisasi Matriks membutuhkan waktu yang lama. Model Online dari Faktorisasi Matriks merupakan hal yang dapat memperbaiki model sebelumnya, dengan model Online, waktu yang dibutuhkan untuk melakukan proses prediksi untuk User dan Item yang baru, lebih cepat dibandingkan dengan model Offline faktorisasi matriks. Penelitian ini berfokus dalam menganalisis dan mengimplementasikan model Online dari Regularized Matriks Factorization pada sebuah sistem rekomendasi film. Hasil yang diperoleh adalah kualitas prediksi rating dengan metode Online Updating RKMF mengungguli kualitas prediksi rating dengan metode Full Retrain RKMF dengan perbedaan nilai RMSE sebesar 1.5% pada kondisi terburuk, dan dengan waktu prediksi yang sangat singkat.
Keyword : faktorisasi matriks, Online Updating, recommender performance