<![CDATA[Metode yang sering digunakan dalam sistem rekomendasi adalah metode collaborative filtering.Namun, metode collaborative filtering memiliki masalah sparsity dan cold start.Masalah sparsity muncul ketika jumlah rating yang diperoleh masih sedikit dan tidak cukup ketika dibandingkan dengan jumlah rating yang akan diprediksi. Sementara itu, masalah cold start merujuk ke dua masalah berbeda namun saling berhubungan, yaitu user baru dan item baru. Untuk menyelesaikan permasalahan diatas, akan digunakan algoritma rekomendasi fuzzy semantikyang mengintegrasikan teknik item-based fuzzy semantic similarity dan item-based fuzzycollaborative filtering (CF) similarity untuk meningkatkan performansi dari proses rekomendasi. Teknik item-based fuzzy semantic similarityakan menganalisis kumpulan film yang telah diberi rating oleh user berdasarkan pada matriks rating user-item dan menghitung kemiripannya dengan film baru dalam sistem dan memilih k buah film yang paling mirip. Sementara itu, teknik item-based fuzzycollaborative filtering (CF) similarity menggambarkan derajat hubungan antara item berdasarkan rating semantik. Hasil dari penelitian ini adalah sebuah sistem yang menerapkan metode Fuzzy Semantik untuk memberikan rekomendasi film kepada pemakai. Sistem yang dibuat menyediakan berbagai fasilitas bagi pemakai dalam melakukan penambahan dan pengubahan data film, memberikan rating film serta memperoleh rekomendasi film. Selain itu, aplikasi juga menyediakan sebuah fasilitas pengujian terhadap metode Fuzzy Semantik.]]>
Copyrights © 2020
