ABSTRAKSI: Collaborative Filtering dapat digunakan dalam melakukan pemilahan dokumen yang jumlahnya berlimpah. Terdapat dua pendekatan metode dalam ini. Pendekatan yang pertama adalah pemilahan dengan dasar kedekatan antar pengguna dalam memilih informasi dan yang kedua adalah kedekatan antara dokumen yang dipilih setiap pengguna dengan dokumen lainnya. Dengan menggabungkan dua pendekatan ini, diharapkan memiliki ketepatan serta kecepatan dalam melakukan prediksi informasi.
Dalam merepresentasikan kedekatan sosial antar pengguna digunakan socialbased collaborative filtering yang melakukan penilaian kedekatan pengguna berdasarkan sejarah penilaian suatu dokumen oleh individu. Kemudian, dalam menghasilkan peringkat dokumen digunakan item-based collaborative filtering yang melakukan penilaian antar dokumen dengan memanfaatkan nilai hasil kedekatan sosial. Untuk setiap pencarian yang dilakukan dengan mesin pencarian, peringkat dokumen tersebut akan dijadikan referensi untuk kelayakan dokumen terhadap individu pencari. Hasil akhir dari proses ini adalah pemeringkatan dokumen berdasarkan pengguna tertentu.
Kata Kunci : social-based collaborative filtering, item-based collaborativeABSTRACT: Collaborative Filtering is commonly used for document filtering with large amount of document. This method has two method approaches. The first approach was the user likeness between the user and second was the nearness between the document that chosen by each user and the other document. By uniting two approaches, it was hoped had the accuracy as well as the speed in carrying out the prediction of information.
We used social-based collaborative filtering for representing the social nearness between the user. The assessment of the nearness of the user was based on the history of the assessment of a document by the individual. Afterwards, in producing the level of the document we used item-based collaborative filtering that carried out the assessment between the document by making use of the value of the social nearness of results. For each search that was carried out with the search engine, the level of this document will be made the reference for the appropriateness of the document against the seeker's individual. Results of the end of this process retrieval is the The level of document was based on the certain user.
Keyword: social-based collaborative filtering, item-based collaborative filtering,