SISTEM REKOMENDASI MENGGUNAKAN ALGORITMA BIPOLAR SLOPE ONE DAN BW-MINE

Sistem rekomendasi merupakan sistem berbasis pengetahuan yang mencoba memprediksi produk atau layanan yang paling cocok berdasarkan preferensi user. Tapi ada berapa masalah yang dapat menyebabkan sistem rekomendasi untuk gagal. Masalah ini adalah masalah kekosongan dat rating yang massif (sparsity) dan cold start user ialah seorang user yang baru bergabung dengan suatu aplikasi dan belum memberikan rating untuk item apapun. Oleh karena itu, diperlukan metode rekomendasi yang tepat untuk meningkatkan keakurasian, sehingga user dapat menemukan item (film) yang sesuai dengan keinginannya untuk ditonton. Untuk mencapai tujuan tersebut, digunakan bipolar slope one untuk memprediksi rating. Dalam membantu user baru atau user yang belum memberikan rating untuk item diperlukan informasi mengenai pola film. Hubungan ini direpresentasikan dalam bentuk Association Rule atau aturan item yang sering muncul, salah satu algoritma BW-Mine. Tahap pengujian dilakukan dengan MAE untuk pengujian algoritma bipolar slope one, sedangkan mengubah minimum support dan minimum confidence untuk mengetahui banyaknya rule yang dihasilkan untuk menguji algoritma BW-Mine. Hasil pengujian menggunakan MAE diperoleh bahwa tingkat kekosongan data rating (sparsity) sangat pengaruhi besar atau kecilnya nilai error MAE yang didapat. Sedangkan hasil pengujian dengan mengubah nilai minimum support dan minimum confidence diperoleh semakin tinggi minimum confidence maka semakin sedikit rule yang dihasilkan.