Sistem Rekomendasi Dengan Menggunakan Metode K-means Clustering dan Item-Based Collaborative Filtering

Sistem rekomendasi adalah sistem yang digunakan untuk merekomendasikan sesuatu item, misalnya merekomendasikan film. Banyaknya informasi film di internet membuat kita kesulitan dalam memilih film yang sesuai dengan selera. Untuk itu sistem rekomendasi film ini dibutuhkan oleh masyarakat. Sistem rekomendasi ini membutuhkan data rating dari movielens. Pemilihan metode sangat mempengaruhi keberhasilan sistem. Semakin akurat sistem yang dibuat maka semakin bagus. Metode yang populer saat ini adalah collaborative filtering khususnya metode collaborative filtering tradisional. Namun metode ini memiliki masalah skalabilitas sehingga untuk mengatasinya perlu ditambahkan metode clustering. Pada penelitian sebelumnya ada yang menggunakan metode k-means clustering dan user-based collaborative filtering. Collaborative filtering terdiri dari user-based dan item-based collaborative filtering. Pada penelitian lain menyebutkan bahwa metode item-based lebih akurat daripada metode user-based collaborative filtering. Untuk itu pada penelitian ini menggunakan metode k-means clustering dan item-based collaborative filtering. Hasil dari uji coba yang dilakukan menunjukkan bahwa metode pada penelitin ini lebih akurat daripada user-based dan item-based collaborative filtering. Presentase kenaikan akurasi metode yang diteliti dengan user-based adalah 113% sedangkan bila dibandingkan dengan item-based collaborative filtering kenaikan akurasinya adalah 168%. Metode yang diteliti juga lebih akurat dibandingkan metode gabungan user clustering dan user-based collaborative filtering dengan kenaikan akurasi sebesar 27%.