Implementasi Conditional Probability-based Similarity pada Item-based Collaborative Filtering

Recommender system merupakan salah satu solusi dalam mengatasi banyaknya informasi yang diterima oleh user. Recommender system membantu user dalam memilih item yang kemungkinan disukai oleh user. Dalam melakukan pencarian, recommender system dibagi menjadi dua, yaitu berdasarkan item (item-based) dan berdasarkan user (user-based). Pada tugas akhir ini akan diterapkan item-based. Salah satu metode yang terdapat pada item-based adalah collaborative filtering. Pada collaborative filtering terdapat berbagai tahapan untuk membangun recommender system. Salah satunya adalah perhitungan similarity. Tugas akhir ini mengimplementasikan metode conditional probability-based similarity pada perhitungan similarity. Penerapan metode ini bertujuan untuk menghitung similarity berdasarkan probabilitas dimana probabilitas item akan dipilih jika item tersebut mempunyai kesamaan yang tinggi dengan item yang telah dipilih sebelumnya oleh user. Tugas akhir ini menganalisa akurasi prediksi dan kualitas rekomendasi yang dihasilkan conditional probability 2 dalam membangun recommender system. Dari penelitian yang dilakukan, akurasi prediksi yang dihasilkan oleh conditional probability dengan normalisasi (conditional probability 2) lebih tinggi dibandingkan conditional probability tanpa normalisasi (conditional probability 1). Akan tetapi, kualitas rekomendasi yang dihasilkan conditional probability dengan normalisasi (conditional probability 2) lebih rendah dibandingkan conditional probability tanpa normalisasi (conditional probability 1). Selain itu, besarnya sparsity yang digunakan, parameter ?, jumlah neighbor, dan besar top-n juga berpengaruh pada akurasi prediksi dan kualitas rekomendasi. Pada penelitian ini, jumlah neighbor dan besar top-n terbaik yang digunakan masing-masing adalah 30 dan 10. recommender system, item-based, collaborative filtering, conditional probability-based similarit