Sistem Rekomendasi Film Menggunakan Metode Self Organizing Maps Clustering dan Collaborative Filtering
Kode Repository :SKI142/MAR/22
NPM :065115339
Nama :Marthin Leandro Panjaitan
Pembimbing 1 :-Boldson Herdianto S., M.Kom
Pembimbing 2 :-Adriana Sari Aryani, M.Cs
Abstrak :-SISTEM REKOMENDASI FILM MENGGUNAKAN
METODE SELF ORGANIZING MAPS CLUSTERING DAN
COLLABORATIVE FILTERING
Marthin Leandro Panjaitan1, Boldson Herdianto Situmorang2, Adriana Sari Aryani3
email: marthinleandropanjaitan@gmail.com1, boldson.situmorang@unpak.ac.id2, adriana.aryani@gmail.com3
Program Studi Ilmu Komputer FMIPA Universitas Pakuan
Abstrak
Sejak tahun 1874 sampai 2020, sebanyak 7,5 juta judul film telah dikeluarkan oleh industri perfilman. Sistem rekomendasi merupakan sebuah metode yang digunakan untuk memberikan rekomendasi pada sebuah produk seperti buku, musik dan film dengan memberikan nilai prediksi tertinggi pada penggunanya. Salah satu metode rekomendasi yang digunakan dalam sistem rekomendasi adalah Collaborative Filtering, serta analisis cluster yang digunakan yaitu Self Organizing Maps (SOM). Tujuannya untuk merancang dan membangun suatu sistem rekomendasi yang dapat memberikan rekomendasi serta dapat membatu user untuk menentukan film pilihannya, serta menerapkan metode Self Organizing Maps (SOM) Clustering dan Collaborative Filtering dalam perhitungan komputasi sehingga dapat memberikan prediksi yang tepat. Data film diperoleh dari dataset MovieLens berisi 26128 rating, 1170 film dengan 610 users. Film dikelompokkan dalam 18 genre. Data Film diambil dari tahun 1995 sampai dengan tahun 2018. Berdasarkan Sistem Rekomendasi Film menggunakan metode Self Organizing Maps Clustering (SOM) dan Collaborative Filtering adalah Sistem Rekomendasi Film menggunakan metode Self Organizing Maps Clustering (SOM) dan Collaborative Filtering dapat menghasilkan rekomendasi film yang optimal dan terukur serta penggunaan user-based Collaborative Filtering memiliki akurasi prediksi yang lebih baik dibandingkan dengan item-based Collaborative Filtering.
Kata Kunci: Sistem Rekomendasi, Collaborative Filtering, Self Organizing Maps, Prediksi