Optimasi Pearson Correlation untuk Sistem Rekomendasi menggunakan Algoritma Firefly

Melany Mustika Dewi

Abstract


Saat ini dunia digital berkembang untuk menyajikan informasi yang dibutuhkan dalam kehidupan. Informasi yang tepat bagi pengguna dengan banyak pertimbangan variabel adalah suatu permasalahan urgensi untuk saat ini. Dalam dunia digital film, menyajikan rekomendasi film yang sesuai dengan user merupakan suatu permasalahan. Solusi yang tepat untuk masalah tersebut adalah dengan Sistem Rekomendasi. Penelitian ini menggunakan teknik rekomendasi Collaborative Filtering dengan metode Pearson Colleration dan algoritma Firefly dalam menentukan rekomendasi film.  Kelemahan dari Teknik Collaborative Filtering adalah munculnya Sparsity atau kekosongan data. Untuk mengatasi kelemahan ini peneliti akan melakukan penghapusan dari data yang kosong. Selain itu peneliti menggunakan metode Pearson Correlation untuk mencari nilai kemiripan antar user dan menggunakan Algoritma Firefly untuk menentukan film yang paling sesuai dengan user. Hasil dari penelitian ini  menghasilkan Mean Absolute Error atau nilai kemungkinan salah sebesar 0,82 dan nilai akurasinya sebesar 79,295%. Penggunaan metode Pearson Correlation tidak menghasilkan optimasi  dalam penentuan kemiripan user yaitu mendapatkan error lebih rendah 0,21  yaitu sebesar 0,61 dan akurasi sebesar 83,83% atau lebih tinggi 4,535.


Keywords


Algoritma, Sistem Rekomendasi, Collaborative Filtering, Pearson Colleration, Algoritma Firefly, Rekomendasi Film, Sistem Pendukung Keputusan

References


Al-Bakri, N. F., & Hashim, S. H. (2018,, June). Reducing Data Sparsity in Recommender Systems. Journal of Al-Nahrain University, 21 (2), 38-147.

Arianti, R. W., Via, Y. V., & Purbasari, I. Y. (2020, Juli). IMPLEMENTASI ALGORITMA FIREFLY DALAM MENYELESAIKAN PENGOPTIMALAN PRODUKSI SEPATU (Studi Kasus : Home industry “PAK KICU Shoes” Sidoarjo). Jurnal Informatika dan Sistem Informasi (JIFoSI), 1.

Fayyaz, Z., Ebrahimian, M., Nawara, D., Ibrahim, A., & Kashef, a. (2020). Recommendation Systems: Algorithms, Challenges, Metrics, and Business Opportunities. Applied Science.

Hadi, I., Santoso, L. W., & Tjondrowiguno, A. N. (2020). Sistem Rekomendasi Film menggunakan User-based Collaborative Filtering dan K-modes Clustering. JURNAL INFRA.

Hay’s, R. N. (2017, Juni). Implementasi Firefly Algorithm-Tabu Search Untuk Penyelesaian Traveling Salesman Problem. JOIN, 2.

Jaja, Y. V., Susanto, B., & Sasongko, L. R. ( 2020, September). Penerapan Meode Item-Based Collaborative Filtering Umtuk Sistem Rekomendasi Data MovieLens. d’Cartesian : Jurnal Matematika dan Aplikasi, 9, 1-6.

Jepriana, I. W., & Wardoyo, R. (2018). Algoritme Genetika untuk Mengurangi Galat Prediksi Metode Item-based Collaborative Filtering. BIMIPA, 25(2), 165-174.

Kurniawan, A. (2016). SISTEM REKOMENDASI PRODUK SEPATU DENGAN MENGGUNAKAN METODE COLLABORATIVE FILTERING. Seminar Nasional Teknologi Informasi dan Komunikasi (SENTIKA 2016), 610-614.

Muhammad Alkaff, H. K. (2020, November). Sistem Rekomendasi Buku Menggunakan Weighted Tree Similarity dan Content Based Filtering. Matrik : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 20, 193-202.

Pranoto, Y. M., Harianto, R. A., & Iswanto. (2020). Pemanfatan Arima Untuk Prediksi Harga Emas Dalam Sistem Rekomendasi Trading Gold Option. JURNAL MEDIA INFORMATIKA BUDIDARMA, 863-871.

Raghuwanshi, S. K., & Pateriya, R. K. (2019). Collaborative Filtering Techniques in Recommendation Systems. Springer Nature Singapore .

Rizky, M. I., Asror, I., & Murti, Y. R. (2020, April). Sistem Rekomendasi Program Studi untuk Siswa SMA Sederajat Menggunakan Metode Hybrid Recommendation dengan Content Based Filtering dan Collaborative Filtering. e-Proceeding of Engineering, 7, 2276.

Shakirova, E. (2017). Collaborative Filtering for Music Recommender System. IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus).

Tommy, L., Novianto, D., & Japriadi, Y. S. (2020, Desember). Sistem Rekomendasi Hybrid untuk Pemesanan HidanganBerdasarkan Karakteristik dan Rating Hidangan. Journal of Applied Informatics and Computing(JAIC), 4, 137-145.

Yadav, S., Vikesh, Shreyam, & Nagpal, S. (2018). An Improved Collaborative Filtering Based Recommender System using Bat Algorithm. Procedia Computer Science, 1795–1803.




DOI: https://doi.org/10.31294/inf.v9i1.10209

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Index by:

 
  
   
      
Published by Department of Research and Public Service (LPPM) Universitas Bina Sarana Informatika with supported Relawan Jurnal Indonesia

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License