ABSTRAKSI: Recommender system adalah sebuah aplikasi yang dapat memberikan rekomendasi berupa prediksi rating terhadap suatu item berdasarkan persamaan karakteristik user dalam memberikan informasi.
Tugas akhir ini mengimplementasikan dan menganalisis item-based collaborative filtering recommender system, yang menerapkan algoritma Bipolar Slope One. Tugas akhir ini menganalisis akurasi prediksi rating yang dihasilkan oleh recommender system setelah diimplementasikan algoritma Bipolar Slope One Parameter pengujian yang digunakan di sini adalah MAE, waktu, dan memori yang digunakan. Selain itu, tugas akhir ini juga menganalisis kesesuaian hasil rekomendasi dengan tipe atau konten dari item yang direkomendasikan.
Akurasi prediksi yang dihasilkan oleh algoritma Bipolar Slope One akan semakin meningkat dengan bertambahnya jumlah rating yang terdapat pada matriks user item. Hasil rekomendasi pada algoritma Bipolar Slope One menunjukkan ketidaksesuaian antara tipe item hasil rekomendasi dengan tipe item yang telah diberi rating oleh active user. Hal ini disebabkan proses prediksi rating pada algoritma Bipolar Slope One tidak memperhatikan tipe atau konten dari item, tetapi lebih memperhatikan kemiripan pola rating.
Kata Kunci : recommender system, collaborative filtering, algoritma Bipolar Slope One.ABSTRACT: Recommender system is an application that can provide recommendations in the form of predictive rating of an item based on user characteristic equation in providing information.
This final project was implementing and analyzing the item-based collaborative filtering recommender systems, which apply Bipolar Slope One algorithm. This final project gave rating to analyze prediction accuracy generated by the recommender system after Bipolar Slope One algorithm implemented in the test parameters used here are the MAE, time and memory used. In addition, this Final Project also analyzes the suitability of the recommendations with the type or content of the items recommended.
Prediction accuracy was generated by the algorithm Bipolar Slope One will increase with the increasing number of rating contained in the matrix of user items. The result of the recommendations on the Slope One algorithm Bipolar indicate a mismatch between the type of item recommendation with the type of items that have been rated by the active user. This is due to the prediction of ratings on Bipolar Slope One algorithm does not consider the type or content of the items, but more attention to the similarity of the pattern of ratings.Keyword: recommender systems, collaborative filtering, Bipolar Slope One Algorithm.