ABSTRAKSI: Recommender system adalah sistem yang dapat digunakan untuk memprediksi sebuah items dalam hal ini berupa movies, berdasarkan informasi yang diperoleh dari user, sehingga didapatkan rekomendasi berdasarkan profil penggunanya. Collaborative filtering merupakan pendekatan pada recommender system yang merekomendasikan items dengan mencari similarity antara user atau antara item berdasarkan informasi yang sudah ada pada user atau item lainnya.
Tugas Akhir ini mengimplementasikan dan menganalisis performansi classbased collaborative filtering pada recommender system. Algoritma class-based merupakan pengembangan dari user-based collaborative filtering. Algoritma class-based dalam memprediksi nilai rating suatu item dengan menggabungkan dua konsep yaitu matrix user-class dan instance selection. Sehingga hasil prediksi items yang akan didapatkan menjadi maksimal. Data yang digunakan adalah data set movielens. Faktor-faktor yang digunakan dalam analisis adalah user frequency threshold, given k, dan Ncommon. Tugas akhir ini menganalisis tingkat akurasi prediksi rating yang dihasilkan dengan metoda evaluasi MAE (Mean Absolut Error).
Faktor-faktor seperti user frequency threshold, given k, dan Ncommon mempengaruhi tingkat akurasi prediksi rating dinilai dari MAE-nya. Penerapan user frequency threshold dan given k pada algoritma class-based akan cenderung berdampak lebih baik MAE-nya daripada yang tidak diterapkan didalamnya.Kata Kunci : recommender system, collaborative filtering, class-based, instanceABSTRACT: Recommender system is a system that can be used to predict a items in this case in the form of movies, based on the information obtained from the user, so that the recommendations based on the user's profile was obtained. Collaborative filtering in recommender system approach is the recommended items by finding similarity between users or between items on the basis of the information already exists on the user or other items.
This final task implements and analyzes the performance of class-based collaborative filtering in recommender system. Class-based algorithms is the development of user-based collaborative filtering. Class-based algorithms to predict the rating an item value by combining two concepts, namely matrix userclass and instance selection. So the prediction results obtained shall become items maximum. Data used is data set movielens. Factors that are used in the analysis are the user frequency threshold, given k and Ncommon. The final task is to analyze the level of accuracy prediction rating produced by the method of evaluation of MAE (Mean Absolute Error).
Factors such as user frequency threshold, the given k, and Ncommon affecting the level of accuracy prediction rating based its MAE. The application of user frequency threshold and the given k on algorithms class-based tend impact better of the MAE than not applied it.Keyword: recommender system, collaborative filtering, class-based, instance