ABSTRAKSI: Pengembangan teknologi yang sangat cepat pada akhir dekade ini telah menyebabkan informasi yang terlalu banyak. Collaborative Filtering(CF) adalah teknik yang cukup potensial pada recommender systems, yaitu dengan menyediakan rekomendasi secara personal kepada user berdasarkan minat user dan user lain yang memiliki keminatan yang sama.
Tugas akhir ini mengimplementasikan dan menganalisis user-based collaborative filtering recommender system, yang menerapkan fuzzy association rule mining. Teknik fuzzy association rule mining digunakan untuk mengolah nilai numerik. Tujuan dari tugas akhir ini adalah untuk membandingkan t-norm manakah yang paling akurat untuk di implementasikan pada recommender system. Selain itu, parameter yang digunakan adalah rasio antara training dan test set,minimum confidence, dan jumlah rule yang diukur dengan MAE dan precision
Prediksi yang dihasilkan dengan t-norm = min(x,y) memiliki nilai MAE yang lebih kecil dibanding dengan prediksi menggunakan t-norm = xy. Hal ini dikarenakan perhitungan t-norm xy menghasilkan jumlah rule yang lebih kecil, sehingga collaborative user yang dihasilkan lebih sedikit. Sebaliknya dengan menggunakan t-norm = xy menghasilkan precision yang lebih baik daripada tnorm = min(x,y). Hal ini disebabkan t-norm = xy menghasilkan rule yang lebih sedikit sehingga memperbesar nilai precisionKata Kunci : recommender system, collaborative filtering, fuzzy association ruleABSTRACT: The rapid development of Internet technologies in recent decades has imposed a heavy information burden on users. Collaborative Filtering (CF) is the most promising technique in recommender systems, providing personalized recommendations to users based on their previously expressed preferences and those of other similar users.
This final project implemented and analysed the user-based collaborative filtering recommender system, wich applies fuzzy association rule mining. Fuzzy association rule mining techniques is used to deal numerical values. The aim of this final project is to compare which one of t-norm is most accurate to be implemented on recommender system. Moreover, Parameters which are used are ratio between training and test set, minimum confidence, and number of rules. These are measured by MAE and Precision.
Prediction produced by t-norm = min(x,y) is less error than prediction produced by t-norm=xy. This is because calculation by t-norm = xy producing less number of rules, so it will cause less number of collaborative user. On the other hand, recommendation by t-norm = xy is more preferable then t-norm = min(x,y). This is caused by less rules is generated by t-norm = xy which increases precision value.Keyword: recommender system, collaborative filtering, fuzzy association rule