PENERAPAN ITEM-BASED COLLABORATIVE FILTERING DALAM PEMBUATAN SISTEM REKOMENDASI LAGU

• Main Author: Samsudin, Taufik Ikbal (Author)
• Format: Book
• Published: 2013-12-23.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/4406/1/S_KOM_0608722_TITLE.pdf; http://repository.upi.edu/4406/2/S_KOM_0608722_ABSTRACT.pdf; http://repository.upi.edu/4406/3/S_KOM_0608722_TABLE%20OF%20CONTENT.pdf; http://repository.upi.edu/4406/4/S_KOM_0608722_CHAPTER1.pdf; http://repository.upi.edu/4406/5/S_KOM_0608722_CHAPTER2.pdf; http://repository.upi.edu/4406/6/S_KOM_0608722_CHAPTER3.pdf; http://repository.upi.edu/4406/7/S_KOM_0608722_CHAPTER4.pdf; http://repository.upi.edu/4406/8/S_KOM_0608722_CHAPTER5.pdf; http://repository.upi.edu/4406/9/S_KOM_0608722_BIBLIOGRAPHY.pdf; http://repository.upi.edu/4406/10/S_KOM_0608722_APPENDIX.pdf
• Keywords: Program Studi Pendidikan Ilmu Komputer

Sistem rekomendasi merupakan sebuah sistem yang memberikan informasi tentang sesuatu hal misalnya film, musik, berita atau layanan lainnya yang mungkin diminati dan sesuai dengan profil penggunanya. Dalam skripsi ini dijelaskan tentang implementasi sistem rekomendasi lagu dengan menggunakan metode item-based collaborative filtering. Metode item-based collaborative filtering memanfaatkan rating atau catatan transaksi dalam membuat rekomendasi. Eksperimen dilakukan dengan mencari jumlah item yang dapat menghasilkan akurasi tertinggi. Eksperimen menggunakan sebanyak 789 instance data rating yang telah didapatkan. Hasil dari eksperimen tersebut diketahui bahwa dengan menggunakan K=20 didapatkan nilai MAE terendah yaitu 0,166667. Kata Kunci : Sistem Rekomendasi, Item-Based Collaborative Filtering, Lagu atau musik. About things such as movies, music, news or other services that may be of interest and in accordance with the user profile. In this paper explained about the implementation of a music recommendation system using item-based collaborative filtering. Methods of item-based collaborative filtering ratings or records transactions utilize in making recommendations. Experiments carried out by finding the number of items that can produce the highest accuracy. Experiments using 789 as an instance of ratings data that has been obtained. Results of the experiments it was found that by using K = 20 obtained the lowest MAE value is 0.166667. Keywords: System Recommendations, Item-Based Collaborative Filtering, song or music.