Sistem rekomendasi film menggunakan metode neural collaborative filtering

Nugroho, Daniel Ary (2023) Sistem rekomendasi film menggunakan metode neural collaborative filtering. Skripsi thesis, Universitas Tarumanagara.

	Text 535190075_DANIEL_Cover.pdf Download (90kB)
	Text 535190075_DANIEL_Pengesahan.pdf Download (585kB)
	Text 535190075_DANIEL_Daftar Isi.pdf Download (92kB)
	Text 535190075_DANIEL_Bab 1.pdf Restricted to Repository staff only Download (233kB)
	Text 535190075_DANIEL_Bab 2.pdf Restricted to Repository staff only Download (817kB)
	Text 535190075_DANIEL_Bab 3.pdf Restricted to Repository staff only Download (263kB)
	Text 535190075_DANIEL_Bab 4.pdf Restricted to Repository staff only Download (771kB)
	Text 535190075_DANIEL_Bab 5.pdf Restricted to Repository staff only Download (121kB)
	Text 535190075_DANIEL_Daftar Pustaka.pdf Download (72kB)

Abstract

Industri film sedang berkembang pesat saat ini berkat peningkatan pengguna internet. Masyarakat tidak lagi harus pergi ke bioskop untuk menikmati film, karena cukup dengan menggunakan telepon genggam, mereka dapat menonton film secara daring melalui layanan seperti Netflix, HBO, dan lainnya. Dengan semakin banyaknya pengguna internet, layanan menonton film perlu menciptakan konten yang menarik agar pelanggan menghabiskan lebih banyak waktu untuk menikmati konten mereka. Menurut USC (University of Southern California) pengguna mudah bosan jika tidak dapat menemukan film yang mereka inginkan dalam waktu 1,5 menit, lalu beralih ke platform lainnya, yang dapat mengakibatkan penurunan pengguna aktif. Masalah tersebut dapat diatasi menggunakan sistem rekomendasi yang mampu memberikan rekomendasi film sesuai rating yang diberikan pengguna dengan pengguna lain dalam waktu dibawah 1,5 menit, sehingga pengguna dapat menghabiskan waktu lebih banyak dan mendapatkan film rekomendasi yang sebelumnya tidak pernah ditonton. Pada perancangan ini sistem rekomendasi yang digunakan adalah Neural Collaborative Filtering (NCF), NCF dibuat berdasarkan algoritma Matrix Factorization yang menggunakan sparse matrix untuk mengisi nilai-nilai kosong pada interaksi pengguna dan film. NCF memiliki komponen Multilayer perceptron dan Generalized Matrix Factorization yang masing-masing berguna untuk mengekstrasi fitur dan mengenali pola interaksi pengguna dan film. NCF menggunakan embedding layer sebagai input pengguna dan film, dan menghasilkan satu nilai prediksi rating pengguna terhadap film tersebut. Pengujian menggunakan 3,235 judul film, 610 pengguna dan 87,812 rating menghasilkan nilai recall sebesar 69.6% dan nilai NDCG sebesar 81.4% pada skenario terbaik, dari hasil pengujian tersebut dapat disimpulkan bahwa 69.6% film yang harus direkomendasi berhasil direkomendasikan, dan posisi rekomendasi mirip 81.4% dari posisi sebenarnya.

Item Type:	Thesis (Skripsi)
Subjects:	Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi
Divisions:	Fakultas Teknologi Informasi > Teknik Informatika
Depositing User:	TDI Family perpus
Date Deposited:	15 Sep 2023 06:01
Last Modified:	15 Sep 2023 06:01
URI:	http://repository.untar.ac.id/id/eprint/41804

Actions (login required)

View Item