digilib@itb.ac.id +62 812 2508 8800

Cover
PUBLIC Open In Flipbook karya

Abstrak
PUBLIC Open In Flipbook karya

Abstract
PUBLIC Open In Flipbook karya

Lembar Pengesahan
Terbatas karya
» ITB

Tugas Akhir
Terbatas karya
» ITB

Sistem rekomendasi merupakan alat untuk mengatasi information overload pada berbagai domain, salah satunya domain perfilman. Salah satu sistem rekomendasi yang umum digunakan saat ini adalah sistem rekomendasi hybrid filtering yang dapat memberikan rekomendasi yang cukup akurat. Tetapi, sistem rekomendasi tersebut masih mengalami permasalahan cold start. Penelitian oleh Laila dan Akram (2013) berupaya menyelesaikan permasalahan tersebut dengan membuat sistem rekomendasi berdasarkan informasi demografis. Penelitian tersebut mampu mengatasi permasalahan cold start, tetapi hasil rekomendasi yang diberikan tidak begitu baik. Sedangkan penelitian oleh Gupta dan Gadge (2015) yang memanfaatkan informasi demografis untuk meningkatkan kinerja dari collaborative filtering dapat memberikan hasil baik namun belum dapat mengatasi seluruh persoalan cold start. Pada Tugas Akhir ini dibangun sistem rekomendasi yang menggunakan hybrid filtering dan memanfaatkan informasi demografis untuk menyelesaikan permasalahan cold start. Sistem dibangun dengan menggunakan komponen collaborative filtering yang memanfaatkan riwayat rating dan informasi demografis dan komponen content-based filtering yang dimodifikasi agar dapat menangani user cold start. Kedua komponen tersebut kemudian digabungkan dengan menggunakan switch hybridization dan mixed hybridization. Hasil pengujian menunjukkan bahwa sistem rekomendasi hybrid filtering yang menggunakan informasi demografis memberikan hasil yang lebih baik dibanding sistem rekomendasi hybrid filtering konvensional pada situasi cold start. Hasil rekomendasi terbaik dicapai dengan penambahan bobot pada mixed hybridization. Penambahan bobot untuk sistem rekomendasi pada situasi user cold start meningkatkan rata-rata nilai hit rate sebesar 213,3 % dibanding tanpa bobot dari 0,1041 menjadi 0,3263 dan rata-rata ARHR meningkat 42,3 % 0,0169 menjadi 0,0295. Sedangkan untuk situasi item cold start, peningkatan rata-rata hit rate sebesar 340 % dibanding tanpa bobot dari 0,0347 menjadi 0,1388 dan peningkatan rata-rata ARHR sebesar 58,9 % dari 0,0047 menjadi 0,0122.