IMPLEMENTASI TEKNIK NORMALISASI RATING DENGAN MODEL KOMBINASI USER-BASED DAN ITEM-BASED COLLABORATIVE FILTERING UNTUK PENINGKATAN AKURASI PADA SISTEM REKOMENDASI BERBASIS MULTI-KRITERIA

Pemberian peringkat dalam sistem rekomendasi biasanya hanya mempertimbangkan satu kriteria nilai, tetapi terdapat beberapa data yang memiliki lebih dari satu kriteria (multi-kriteria). Multi-kriteria memiliki tingkat keakuratan yang lebih tinggi dibandingkan dengan kriteria tunggal karena preferensinya lebih lengkap, namun skala penilaian antar kriteria berbeda. Skala penilaian yang berbeda menyebabkan nilai rating tidak seimbang dan menyebabkan tingkat akurasi sistem menjadi rendah, sehingga diperlukan metode normalisasi untuk meningkatkan nilai akurasi. Ada beberapa metode yang digunakan oleh para peneliti dalam melakukan rekomendasi, diantaranya Collaborative Filtering (user-item based), Content-based, Hybird dan Normalisasi Collaborative Filtering. Pada penelitian ini menggunakan metode Normalisasi rating min-max yang dikombinasikan dengan User-based Collaborative Filtering dan Item-based Collaborative Filtering. Metode ini digunakan karena dapat memperbaiki rekomendasi dengan cara normalisasi rating dan menghitung prediksi berdasarkan user-based dan item-based. Penelitian ini mampu menghasilkan akurasi rekomendasi yang lebih tinggi, dengan nilai akurasi menggunakan metrik evaluasi Precision@15 = 0,000505341 dan NDCG@15 = 0,000506436 yang diperoleh dari uji coba variasi parameter.