Analisis Dan Implementasi Sistem Rekomendasi Menggunakan Most-frequent Item Dan Association Rule Technique

Abstract

Informasi yang sangat banyak jumlahnya mendorong kebutuhan akan adanya sistem rekomendasi. Sistem rekomendasi merupakan sebuah perangkat lunak yang dapat digunakan untuk menghasilkan rekomendasi item yang dapat digunakan oleh user. Permasalahan yang ada dalam pembangunan sistem ini diantaranya terletak pada ketepatan rekomendasi yang dihasilkan. Teknik pendekatan paling sukses untuk membangun sistem rekomendasi ini salah satunya adalah dengan menggunakan collaborative filtering. Dari hasil penelitian sebelumnya, association rule memiliki nilai performansi tertinggi dalam menentukan rekomendasi bila dibandingkan dengan algoritma matrix factorization dan algoritma item-based recommendation. Sedangkan teknik most-frequent item secara sederhana dapat digunakan untuk menghasilkan rekomendasi berdasarkan item yang paling sering digunakan oleh user lain (neighbor). Pada penelitian ini dibuat sebuah sistem rekomendasi yang membandingkan antara 2 metode yaitu association rule dan most-frequent item. Sistem rekomendasi ini diterapkan pada data film dan menghasilkan rekomendasi berupa data item yang dapat ditonton oleh user. Hasil dari penelitian yang telah dilakukan adalah bahwa nilai precision yang dihasilkan dari metode associaton rule lebih tinggi dari nilai precision pada most frequent item pada semua skenario pengujian yang dilakukan. Nilai precision dari association rule adalah 0,38 sedangkan nilai precision most-frequent item adalah 0,23.

Kata kunci : sistem rekomendasi, collaborative filtering, data mining, association rule, most-frequent item