ABSTRAKSI: Mayoritas orang pasti senang menonton film. Dalam memilih genre pada film yang mereka ditonton, tiap orang memiliki selera masing-masing. Biasanya film yang sering ditonton adalah film dengan genre yang mereka sukai. Namun, untuk dapat menentukan pilihan film yang akan ditonton terkadang tidaklah mudah. Seringkali orang terkecoh karena genre pada film tersebut ternyata tidak sesuai dengan selera mereka. Untuk mengatasi masalah tersebut, dibutuhkan suatu recommender system yang mampu memberikan rekomendasi film.
Sebagai salah satu solusinya, Tugas Akhir ini membangun recommender system dengan content-based filtering yang mengimplementasikan algoritma FP-Growth. Algoritma FP-Growth menambang kombinasi genre dari film-film yang pernah dirating oleh seorang user untuk menghasilkan association rule. Dengan menggunakan association rule tersebut, sistem akan memberikan rekomendasi berupa film-film yang memiliki kemiripan genre dengan rule yang dihasilkan. Karena recommender system yang dibangun menggunakan pendekatan content-based filtering, film-film sebagai hasil rekomendasi untuk satu user hanya berlaku untuk user tersebut saja karena tidak memperhatikan film-film yang ditonton oleh user lain.
Hasil pengujian pada recommender system yang dibangun menunjukkan bahwa sistem memiliki performansi yang baik. Hal itu dibuktikan dengan adanya nilai precision, recall, dan f-measure yang meningkat. Parameter yang sangat berpengaruh dalam tingkat performansi sistem adalah nilai support dan confidence. Keduanya sangat penting dalam pembentukan association rule.Kata Kunci : film, recommender system, content-based filtering, FP-Growth, association rule, support, confidenceABSTRACT: Most of people love watching movies. When choosing genre for movies that they watch, people have their own different interest. They usually choose a movie genre that they like. Somehow, to choose a movie from many options of movies is not that easy. They can’t predict whether the movie has genre like what they expect or not. To solve the problem, recommender system is the right way to be built for giving any movie recommendations according to genre they are looking for.
As one of solutions, this thesis build a recommender system based on content filtering that implements Frequent Pattern Growth Algorithm. This system will mine combination of movie genres from each movie that has been watched or rated by user in order to generate association rules. According to the association rules, system will give some movies as recommendation which have similar genre with the association rules. Because this recommender system will be built based on content filtering, so the movie recommendations are only valid for one user, without considering movies which have been watched by other users.
The test result on recommender system that has been built indicates the good performance. It can be proved with the increasing of precision, recall, and f-measure. In this case, the most influential parameters are support and confidence. Both of those are important in generating association rules.Keyword: movie, recommender system, content-based filtering, FP-Growth, association rule, support, confidence