Sistem Rekomendasi Film Dengan Item-Based Collaborative Filtering Menggunakan Flask Framework

Abstract

Jumlah informasi yang tersedia seiring dengan berkembangnya teknologi akan menyulitkan pengguna internet untuk mencari dan menyaring informasi di internet. Sistem rekomendasi dirancang untuk membantu pengguna menemukan data dengan cepat yang mungkin sesuai dengan data pribadi mereka dan mengurangi informasi yang berlebihan. Item atau film dalam hal ini dapat disarankan berdasarkan rating film yang diberikan oleh pengguna atau berdasarkan pengguna lain dengan kebiasaan serupa. Dalam penelitian ini penulis mengimplementasikan item-based collaborative filtering dengan membuat sistem berupa aplikasi web menggunakan python dan flask framework dimana aplikasi ini dapat memberikan user rekomendasi film berdasarkan rating yang diberikan sebelumnya oleh user. Dataset pada penelitian ini diperoleh dari website grouplens.org dengan total jumlah data rating 100.836 dari 610 user berbeda terhadap 9742 judul film. Hasil pengujian MAE dan RMSE, dengan 20 top-N similarity untuk menghitung prediksi rating, mendapatkan skor yang terbaik dengan nilai MAE 0,513536 dan nilai RMSE 0,659217674. Dengan melihat nilai RMSE dan MAE, variance error dari implementasi sistem tidak terlalu besar. Untuk pengujian pemberian ranking menggunakan Spearman Rank Correlation, IBCF dengan 20 top-N similarity dan 15 top-N similarity mendapatkan skor yang paling tinggi yaitu 0,91515 yang berarti peringkat yang diberikan sistem untuk rating prediksi sudah hampir mirip dengan peringkat rating aktual.