Perpustakaan Digital ITB

Sistem rekomendasi adalah algoritma yang bertujuan untuk memberikan rekomendasi produk kepada pengguna untuk membantu pengguna dalam mengambil keputusan. Pada Tugas Akhir ini akan dibangun model sistem rekomendasi pada dataset anime yang bertujuan untuk memberikan rekomendasi judul anime kepada penonton sesuai dengan preferensi mereka. Model yang digunakan adalah Knowledge Graph Convolutional Network dan Faktorisasi Matriks. Model Knowledge Graph Convolutional Network merupakan algoritma yang dapat mengaggregasi dan memanfaatkan informasi ketetanggaan saat menghitung representasi titik pusat yang sedang ditinjau dalam knowledge graph. Salah satu keunggulan dari model ini adalah representasi tetangga diberi bobot dengan nilai yang bergantung pada hubungan antara penonton tertentu dan relasi, yang dapat mengkarakterisasi informasi semantik dari knowledge graph dan ketertarikan pribadi penonton terhadap suatu relasi. Sedangkan model Faktorisasi Matriks merupakan model sistem rekomendasi yang membagi matriks interaksi penonton dan judul anime menjadi dua vektor, yaitu vektor representasi penonton dan vektor representasi judul anime. Model Faktorisasi Matriks mempelajari hubungan antara kedua vektor representasi tersebut untuk membuat prediksi. Pada Tugas Akhir ini pengujian dilakukan dengan membagi data menjadi data latih dan data uji untuk mengukur F1-Score dan hit@10. Hit@10, yaitu ukuran untuk menentukan seberapa baik model dalam memberikan rekomendasi judul anime yang relevan kepada penonton berdasarkan preferensi penonton. Model KGCN-Concat memberikan nilai F1-Score relatif paling baik dikarenakan tidak overfit dan hit@10 paling tinggi dibandingkan model lainnya.