<![CDATA[Salah satu teknik rekomendasi yang telah sukses dan banyak digunakan yaitu collaborative filtering. Collaborative filtering dapat dibagi menjadi dua metode utama yaitu user based dan item based. Pada umumnya kedua metode tersebut belum memiliki fitur untuk mengakomodasi item baru. Oleh karena itu digunakan metode alternatif yang disebut user-item based collaborative filtering. Metode ini memberikan rekomendasi berdasarkan urutan teratas nilai prediksi rating yang dihasilkan oleh sistem. Metode ini menggunakan algoritma missing-value pada perhitungan prediksi rating dan tidak memerlukan proses pembentukan neighborhood. Kelemahan dari metode user-item based collaborative filtering adalah ketika pengujian dilakukan dengan pengukuran error menggunakan normalized mean absolute error (NMAE), hasil yang diperoleh NMAE cukup tinggi. Dengan melakukan perbaikan pada rumus prediksi missing value algorithm (MVA) menjadi adjusted MVA, metode user-item based collaborative filtering, dalam pengujian terbukti dapat menurunkan NMAE dan mengurangi jumlah prediksi diluar range nilai rating. Sebagai studi kasus metode user-item based ini diterapkan pada sistem rekomendasi wisata kuliner di BSD. Hasil pengujian yang telah dilakukan diperoleh prediksi yang cukup akurat dengan akurasi 83 % (6 neighbor).]]>
Copyrights © 2023
