Sistem rekomendasi atau recommender system adalah sistem yang dapat memberi rekomendasi atas sejumlah hal kepada usernya. Salah satu metode yang digunakan adalah collaborative filtering yang memanfaatkan informasi minat para user berupa pola rating terhadap item, dan memberi rekomendasi berdasarkan kesamaan pola tersebut. Namun, dalam membuat collaborative filtering yang akurat, data yang umumnya bersifat sparse membuat prediksi yang mengandalkan korelasi antar user menjadi kurang optimal. Salah satu metode penanganan matriks data rating yang sparse adalah dengan menggunakan imputasi, yaitu mengisi nilai yang kosong dengan suatu nilai berdasarkan fungsi tertentu. Pada Tugas Akhir ini digunakan imputasi dengan memanfaatkan genre dari item, yaitu film, dan digunakan neighborhood-based collaborative filtering yang mampu menyeleksi sejumlah user tertentu dalam perhitungan prediksi rating. Penelitian melibatkan neighborhood-based collaborative filtering dengan, dan tanpa proses imputasi untuk menganalisis performansi keduanya. Menggunakan dataset Movielens, pengujian dilakukan untuk menganalisis pengaruh parameter dari proses imputasi dan parameter pada neighborhood-based collaborative filtering, serta perbedaan performansi dengan dan tanpa proses imputasi. Hasil penelitian menunjukkan bahwa proses imputasi menurunkan MAE prediksi rating sebesar 3% hingga 42%, menggunakan dataset dengan tingkat sparsity 85% hingga 95%.
Kata Kunci : recommender system, neighborhood-based collaborative filtering, data imputation