ABSTRAKSI: Recommender system merupakan sebuah aplikasi yang memberikan rekomendasi kepada user berupa prediksi rating terhadap sebuah item berdasarkan karakteristik user dalam memberikan informasi.
Tugas akhir ini mengimplementasikan dan menganalisis metode Similarity Fusion pada collaborative filtering recommender system. Tugas akhir ini menganalisis pengaruh sparsity terhadap akurasi prediksi rating yang dihasilkan oleh recommender system setelah diimplementasikan metode Similarity Fusion. Parameter yang digunakan dalam analisis adalah parameter , penggunaan similar user rating (SUR) dan similar item rating (SIR) dan , penggunaan similar useritem rating (SUIR) untuk metode Similarity Fusion.
Pada metode Similarity Fusion, prediksi dilakukan dengan menggunakan individual predictor yang terdiri dari SUR, SIR, dan SUIR yang diberikan bobot yang terdiri dari similarity yang dihitung dengan cosine similarity, nilai , dan nilai .
Metode Similarity Fusion menghasilkan prediksi rating film yang sesuai dengan selera user dengan MAE 0.8 karena proses prediksi dilakukan dengan mengoptimalkan penggunaan rating yang ada yaitu SUR, SIR, dan SUIR untuk proses prediksi dengan bobot untuk masing-masing individual predictor ditentukan oleh similarity, = 0.4 dan = 0.2.Kata Kunci : collaborative filtering, recommender system, metode Similarity Fusion, sparsityABSTRACT: Recommender system is an application giving recommendation to the user in the form of rating prediction to an item based on user’s characteristics in giving information.
This final assignment implements and analyzes Similarity Fusion method applied in collaborative filtering recommender system. This final assignment analyzes the influence of sparsity to the accuracy of the rating prediction generated by recommender system after the implementation of Similarity Fusion method. Parameters used in the analysis are , which determines the use of similar user rating (SUR) and similar item rating (SIR), and , which determines the use of similar user-item rating (SUIR) for the Similarity Fusion method.
In the Similarity Fusion, the prediction is generated by using individual predictor consisting of SUR, SIR, and SUIR. They are given weight consisting of similarity counted by cosine similarity, , and .
The Similarity Fusion method generates accurate predictions according to users’ preferences with the value of MAE is 0.8, the predicting process is done by optimizing the use of existing ratings which are SUR, SIR, and SUIR where the weight of each individual predictor is determined by similarity, = 0.4, and = 0.2.Keyword: collaborative filtering, recommender system, Similarity Fusion,sparsity