ASISTEM REKOMENDASI FILM MULTI-KRITERIA MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION BERBASIS MOBILE DAN WEB

Total film yang telah rilis hingga tahun 2018 berjumlah 4.837.263. Angka tersebut menunjukkan banyaknya judul film yang tersedia untuk ditonton. Jumlah yang banyak akan menyebabkan penonton film sulit dalam memilih film. Selain itu, menonton film ke bioskop biasanya diikuti dengan tindakan mengajak teman. Namun, tidak semua teman akan menerima ajakan karena memiliki perbedaan preferensi film. Untuk itu, diperlukan sebuah sistem rekomendasi untuk menyaringan informasi-informasi tersebut. Metodologi yang digunakan dalam pengembangan sistem rekomendasi ini adalah metodologi waterfall. Pengembangan sistem rekomendasi akan menghasilkan aplikasi web yang memberikan rekomendasi film dan mobile yang memberikan rekomendasi film dan teman. Sistem rekomendasi ini menerapkan teknik multi-kriteria dan pendekatan model-based untuk rekomendasi film. Model yang digunakan mengintegrasikan algoritma Artificial Neural Network (ANN) yang dilatih dengan Particle Swarm Optimization (PSO). Proses rekomendasi juga dibantu dengan K-Nearest Neighborhood Collaborative Filtering (KNN-CF) untuk prediksi single rating yang belum diketahui. KNN-CF juga digunakan untuk merekomendasikan teman. Hasil dari tugas akhir ini adalah aplikasi web dan mobile. Aplikasi diuji dengan menggunakan black box testing. Pengujian algoritma rekomendasi menggunakan k-fold cross validation dan Mean Squared Error (MSE). Pengujian dilakukan pertahap untuk mendapatkan parameter optimal. Hasil pengujian model rekomendasi menunjukkan MSE optimal pada angka 7,911. Nilai MSE tersebut menunjukkan akurasi prediksi cukup baik.