Perbandingan algoritma cosine similarity dan confidence pada sistem rekomendasi dengan metode item based collaborative filtering

Oleh :
Sigit Angga Prasetyo - M0509065 - Fak. MIPA

Sistem rekomendasi merupakan metode penyaringan informasi menggunakan teknik analisa data untuk membantu pengguna menemukan item yang diinginkan. Salah satu metode yang digunakan pada sistem rekomendasi yaitu item-based collaborative filtering. Metode ini merupakan teknik untuk menghitung nilai item similarity. Algoritma yang dapat digunakan untuk menghitung nilai item similarity, yaitu cosine similarity dan confidence. Permasalahannya yaitu belum diketahui algoritma item similarity yang lebih akurat antara hasil rekomendasi menggunakan cosine similarity dan confidence. Tujuan dari penelitian ini yaitu untuk mengetahui algoritma item similarity yang lebih akurat antara cosine similarity dan confidence. Untuk mengukur hasil rekomendasi digunakan receiver operating characteristic. Pada pengujian dengan mengosongkan rating dari 10% hingga 40%, metode item-based collaborative filtering menggunakan algoritma confidence akan menghasilkan rekomendasi yang lebih akurat dibandingkan dengan algoritma cosine similarity berdasarkan rata-rata nilai accuracy yang lebih tinggi. Metode item-based collaborative filtering menggunakan algoritma confidence akan menghasilkan kesesuaian antara hasil prediksi dengan rating asli positif yang lebih baik berdasarkan rata-rata nilai sensitivity yang lebih tinggi, dan menghasilkan kesesuaian antara rating asli dengan hasil prediksi positif yang lebih baik berdasarkan rata-rata nilai positive predictive value yang lebih stabil. Kata Kunci: Confidence, Cosine Similarity, Item Based, Receiver Operating Characteristic.