ABSTRAKSI: Ada banyak informasi yang bisa diolah dalam satu kumpulan data. Association rule mining merupakan salah satu cara untuk mencari informasi dari kumpulan data tersebut. Association rule mining yang umumnya digunakan dalam analisis keranjang belanja ternyata bisa diaplikasikan dalam area recommender system. Recommender system merupakan sebuah aplikasi yang merekomendasikan beberapa item yang mungkin sesuai dengan karakteristik pengguna. Sistem ini telah dipakai luas dalam bidang komersil saat ini.
Tugas akhir ini mencoba melakukan analisis terhadap implementasi association rule mining pada recommender system dengan mengambil data EachMovie sebagai data uji. Hasil pengujian menunjukkan performansi parameter precision yang cukup baik jika rule yang digunakan adalah rule dengan 2-antecedent, sedangkan parameter performansi recall sangat baik jika rekomendasi menggunakan 1-antecedent.Kata Kunci : association rule mining, recommender system, Recall, Precision, FMeasureABSTRACT: There are many information that can be processed in a data collection. Association rule mining is one of the method used for discovering hiding information of data. Association rule mining which commonly used in market basket analysis actually can be implemented in recommender system area. Recommender system is an engine which recommends items that users may like and match to their profile. This application has been widely used in commercial site nowadays.
This project try to analyse implementation of association rule mining in recommender system and using EachMovie dataset as a data testing. Testing result shows good precision when recommendation process use 2-antecedent rules, but recall will have good results when using 1-antecedent rules.Keyword: association rule mining, recommender system, Recall, Precision,