PENERAPAN ITEM ATTRIBUTE DAN FUZZY C-MEANS CLUSTERING DALAM MODEL ITEM-BASED COLLABORATIVE FILTERING UNTUK REKOMENDASI FILM

Collaborative Filtering (CF) adalah model rekomendasi yang paling banyak digunakan dengan menghitung kemiripan antara pengguna dan item. Model ini mengasumsikan bahwa beberapa orang yang menyukai hal-hal yang sama cenderung juga sama-sama menyukai terhadap hal-hal yang lainnya, sehingga rekomendasi yang dihasilkan akan lebih bervariasi. Namun CF memiliki dua masalah utama, yaitu sparsity dan scalability. Untuk mengatasi sparsity, maka akan dilakukan pengisian matriks rating yang kosong dengan menggunakan perhitungan item similarity dan item attribute similarity. Kemudian menyelesaikan masalah scalability dengan menerapkan Fuzzy C-Means clustering sehingga proses perhitungan hanya mengolah item yang benar-benar serupa dalam cluster yang sama. Dari implementasi sistem yang telah dilakukan, permasalahan sparsity mampu diselesaikan dengan perhitungan gabungan similaritas antara item similarity dan item attribute similarity dengan tingkat kepadatan yang awalnya 5,04% menjadi 100%. Sedangkan masalah scalability mampu diselesaikan dengan penerapan Fuzzy C-Means clustering dengan waktu komputasi lebih cepat sekitar 25,74%. Berdasarkan nilai evaluasi f1-score, CF Clustering menghasilkan nilai evaluasi tertinggi sebesar 5,434 dan model CF Tradisional menghasilkan nilai evaluasi tertinggi sebesar 2,307. Hal tersebut menunjukkan bahwa dalam penelitian ini model CF Clustering menghasilkan rekomendasi yang lebih baik daripada model CF Tradisional.