Meningkatkan Kualitas Rekomendasi Film Menggunakan Metode Hybrid User-based Fuzzy Collaborative Filtering dan Kemiripan Genre

Sistem rekomendasi (Recommender System atau RS) menjadi bidang yang penting saat ini karena membantu pengguna menemukan minat mereka di internet. Collaborative Filtering (CF) menjadi salah satu metode yang memberikan rekomendasi tak terduga namun tetap menarik untuk pengguna. CF memprediksi rating yang akan diberikan berdasarkan kesamaan antar-pengguna. Disisi lain preferensi user tidak cukup akurat jika hanya didasarkan berdasarkan rating saja, sebagai gantinya informasi lain seperti data demografis dan deskripsi item harus digunakan. Selain itu hasil CF cenderung random, terkadang pengguna menginginkan film berdasarkan genre yang mereka minati. Pada penelitian ini kami menerapkan metode Hybrid User-based Fuzzy Collaborative Filtering untuk menghasilkan rekomendasi dengan menghitung kesamaan antara pengguna berdasarkan data demografi, genre interestingness measures (GIM) dan rating pengguna dengan mengintegrasi logika fuzzy dan RS yang kemudian diurutkan kembali berdasarkan kemiripan genrenya menggunakan teknik TF-IDF dan Cosine Similarity. Hasil penelitian didapatkan metode HU-FCF dapat memberikan akurasi lebih baik dari pada metode tradisional dengan nilai MAE terbaik adalah 0,73. Hasil dari Cosine Similarity untuk kemiripan genre didapatkan nilai presisi 1 dan nilai tersebut akan berkurang berdasarkan tingkat kemiripan item yang dipilih dan juga threshold yang digunakan.