IMPLEMENTASI SISTEM REKOMENDASI FILM BERBASIS WEBSITE MENGGUNAKAN PENDEKATAN COLLABORATIVE FILTERING DENGAN METODE WEIGHTED HYBRIDIZATION (SVD-KNN)



HARLIANTO, RAFI (2025) IMPLEMENTASI SISTEM REKOMENDASI FILM BERBASIS WEBSITE MENGGUNAKAN PENDEKATAN COLLABORATIVE FILTERING DENGAN METODE WEIGHTED HYBRIDIZATION (SVD-KNN). Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[thumbnail of Pendahuluan.pdf] Text
Pendahuluan.pdf

Download (1MB)
[thumbnail of Abstrak.pdf] Text
Abstrak.pdf

Download (147kB)
[thumbnail of BAB 1.pdf] Text
BAB 1.pdf

Download (160kB)
[thumbnail of BAB 2.pdf] Text
BAB 2.pdf
Restricted to Repository staff only

Download (488kB) | Request a copy
[thumbnail of BAB 3.pdf] Text
BAB 3.pdf
Restricted to Repository staff only

Download (579kB) | Request a copy
[thumbnail of BAB 4.pdf] Text
BAB 4.pdf
Restricted to Repository staff only

Download (765kB) | Request a copy
[thumbnail of BAB 5.pdf] Text
BAB 5.pdf
Restricted to Repository staff only

Download (292kB) | Request a copy
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf

Download (276kB)
[thumbnail of Lampiran.pdf] Text
Lampiran.pdf
Restricted to Repository staff only

Download (415kB) | Request a copy

Abstract

Sistem rekomendasi berperan penting dalam membantu pengguna menemukan item sesuai preferensi mereka, khususnya dalam domain film. Penelitian ini mengembangkan sistem rekomendasi berbasis website menggunakan pendekatan collaborative filtering dengan metode weighted hybridization yang menggabungkan algoritma Singular Value Decomposition (SVD) dan item-based K-Nearest Neighbors (KNN) berbasis cosine similarity. Evaluasi dilakukan pada dua dataset, MovieLens-100K dan MovieLens-1M, menggunakan metrik evaluasi Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE). Hasil menunjukkan bahwa pendekatan weighted hybrid memberikan peningkatan akurasi prediksi dibandingkan metode SVD dan KNN secara independen. Pada dataset MovieLens-100K, terjadi peningkatan sebesar 8,53% (RMSE) dan 8,50% (MAE) dibandingkan dengan KNN, serta 0,17% (RMSE) dan 0,11% (MAE) dibandingkan dengan SVD. Pada dataset MovieLens-1M, meningkat sebesar 12,73% (RMSE) dan 12,17% (MAE) dibandingkan dengan KNN, serta 0,14% (RMSE) dan 0,03% (MAE) dibandingkan dengan SVD. Sistem diimplementasikan dalam website framework Streamlit yang dapat digunakan pengguna untuk mendapatkan hasil rekomendasi secara interaktif. Metode penggabungan SVD dan KNN dengan weighted hybrid terbukti efektif dalam meningkatkan akurasi dan stabilitas prediksi sistem rekomendasi film, terutama dalam menghadapi variasi jumlah dan dimensi data.

Contribution
Nama Dosen Pembimbing
NIDN/NIDK
Dosen Pembimbing
SAIFUDIN, ILHAM
NIDN0731108903
Dosen Pembimbing
SUHARSO, WIWIK
NIDN0006097601

Item Type: Thesis (Undergraduate)
Keywords/Kata Kunci: Collaborative Filtering, K-Nearest Neighbors (KNN), Singular Value Decomposition (SVD), Sistem Rekomendasi, Weighted Hybrid
Subjects: 000 Computer Science, Information, & General Works > 003 Systems
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Rafi Harlianto | harlirafi@gmail.com
Date Deposited: 21 Aug 2025 04:27
Last Modified: 21 Aug 2025 04:27
URI: http://repository.unmuhjember.ac.id/id/eprint/27243

Actions (login required)

View Item View Item