ABSTRAKSI: Association rules merupakan teknik di dalam data mining yang digunakan untuk menemukan aturan asosiasi di antara kombinasi itemset. Pada dasarnya, association rules hanya mampu memberikan aturan terhadap itemset yang bersifat binary / boolean dimana konsep kebenaran hanya diekspresikan dalam dua kondisi yaitu benar dan salah, atau 0 dan 1, atau ya dan tidak. Padahal jika dilihat di dunia nyata, banyak kasus yang berdasarkan intuitif manusia dimana kondisinya tidak hanya dua saja. Untuk menangani hal tersebut, teori fuzzy set adalah cara yang tepat untuk diterapkan dalam pembentukan association rules ini sehingga dapat memberikan hasil yang optimal terhadap data yang akan digali informasinya.
Salah satu aplikasi yang menerapkan teknik asosiasi adalah recommender system. Tugas akhir ini mengimplementasikan dan menganalisis fuzzy association rules pada recommender system yang berbasis content filtering. Kasus yang dibahas adalah item film dari dataset Movielens. Sistem ini akan melakukan proses penambangan kombinasi genre film dari setiap film yang sudah ditonton oleh user. Karena recommender system yang digunakan berbasis content filtering, maka transaksi yang digunakan dalam penambangan rules pada itemset adalah film-film yang sudah pernah ditonton dan disukai oleh satu orang user saja tanpa memperhatikan film-film yang ditonton oleh user lain. Rules yang dihasilkan pada data training berupa asosiasi genre yang akan dijadikan tolak ukur proses rekomendasi terhadap item film pada data testing.
Hasil pengujian pada data testing yang menunjukkan baiknya performansi sistem dapat dibuktikan dengan precision, recall, dan f-measure yang optimum (meningkat). Dalam hal ini, proses pembuktian tersebut sangat berhubungan dengan support dan confidence yang berpengaruh terhadap rules yang dihasilkan oleh sistem tersebut.Kata Kunci : fuzzy association rules, recommender system, content filtering, precision, recall, f-measure, support, confidence.ABSTRACT: Association rules is a technique in data mining which is used to find the rule of association between itemset combination. Basically, association rules only able to provide rule to itemset which is binary / boolean where the concept of truth is expressed in two conditions that are right and wrong, or 0 and 1, or yes and no. in fact, if it is viewed in real condition, many cases which is based on intuitive of humanity where the condition is not only two. To handle that, fuzzy theory is the right way to be applied in forming of association rules so it can provides optimal result on the data of the extracted information.
One of applications which apply association technique is recommender system. This thesis implement and analysis fuzzy association rules to recommender system based content filtering. The case will be researched is item of film from dataset Movielens. This system will do the mining process of combination genre film from each film that have been watched by user. Because recommender system will be used based on content filtering, so transaction which is used in rules mining to itemset is films that have been watched or liked by one user without considering films which have been watched by other users. Rules are generated on the data training are form of genre association that will be benchmark of recommendation to the item of film in data testing.
The test result on data testing that show performance of the system can be proved with precision, recall, and f-measure that optimum. In this case, the verification process highly correlated by the support and confidence which affects to rules that generated by system.Keyword: fuzzy association rules, recommender system, content filtering, precision, recall, f-measure, support, confidence.