PENGGUNAAN ATRIBUT GENRE DALAM MODEL NAIVE BAYES UNTUK PROBABILISTIC RANKING DALAM SISTEM REKOMENDASI

Sistem rekomendasi merupakan sebuah sistem yang dibuat dengan tujuan memberikan sebuah rekomendasi item kepada user. Salah satu model pendekatan sistem rekomendasi yang sering digunakan adalah Collaborative Filtering (CF), dengan pendekatan item-based. Model ini memberikan hasil rekomendasi yang cukup baik, namun item-based CF tidak memanfaatkan atribut item dalam perhitungan rekomendasinya. Penerapan atribut item dapat dilakukan dengan dua cara, yaitu dengan satu tahap permodelan dan dua tahap permodelan. Satu tahap permodelan menghasilkan kualitas rekomendasi tidak terlalu signifikan (kurang baik). Cara yang kedua adalah dua tahap permodelan, candidate rekomendasi dan tahap re-ordering. Misal, tahap candidate rekomendasi menggunakan pendekatan collaborative filtering, dan re ordering dilakukan content-basedatau naïve bayes. Pada penelitian sebelumnya sudah dilakukan penerapan candidate rekomendasi menggunakan collaborative filtering, dan re ordering dengan naive bayes pada data tagging menghasikan rekomendasi yang baik. Oleh sebab itu pada penelitian ini penulis mencoba menerapkan dua tahap permodelan candidate ranking dengan collaborative filtering, dan re-ordering menggunakan nave bayes. dengan study kasus movie atribut genre pada data explicit (2 dimensi) . Dari hasil percobaan mendapatkan nilai yang cukup baik, dengan kenaikan nilai akurasi yang dihasilkan metode evaluasi NDCG sebesar 40.94486%.
Kata kunci: Sistem Rekomendasi, Item-Based Collaborative Filtering, Naive Bayes, NDCG, Probabilistic Ranking.