Analisis dan Implementasi Stability Degree pada Recommender System berbasis Item-Based Collaborative Filtering

Dengan begitu banyaknya informasi yang ada pada jaringan internet membuat user mengalami kesulitan dalam memperoleh informasi yang cepat dan sesuai dengan kebutuhannya. Oleh karena itu diperlukan alat yang dapat membantu dalam memperoleh informasi dengan cepat dan relevan dengan kebutuhan user. Untuk mengatasi masalah tersebut, salah satu solusinya adalah dengan menerapkan penggunaan recommender system. Recommender system adalah sebuah program yang mencoba untuk memprediksi suatu item yang mungkin akan disukai oleh user.Tugas akhir ini memfokuskan penerapan stability degree pada recommender system collaborative filtering dengan pendekatan item-based. Adanya pengukuran stability degree didasarkan pada evaluasi mengenai perubahan psikologis atau emosional dari user berpengaruh pada pemilihan item yang paling mirip. Stability degree diukur dengan menghitung hubungan diantara item yang dijadikan target dan item yang dijadikan referensi. Tujuan tugas akhir ini adalah untuk menganalisis akurasi prediksi rating yang dihasilkan oleh recommender system setelah diimplementasikan stability degree pada tahap perhitungan similarity.Hasil dari pengujian menunjukkan bahwa akurasi prediksi yang dihasilkan dengan mengimplementasikan stability degree semakin meningkat. Hal ini dapat dilihat dengan menurunnya nilai Mean Absolute Error (MAE). recommender system, stability degree, similarity, collaborative filtering, item-based