IMPLEMENTASI SOCIAL REGULARIZATION PADA SISTEM REKOMENDASI

Sistem rekomendasi adalah perangkat lunak yang dapat memberikan saran terhadap item yang akan digunakan oleh user. Adapun sistem rekomendasi yang paling sukses dikembangkan selama dekade terakhir ini adalah Collaborative Filtering. Akan tetapi algoritma ini mengabaikan hubungan antara user, dimana faktanya dalam kehidupan nyata, ketika seseorang ingin memilih suatu item orang tesebut terlebih dahulu meminta saran dari orang-orang disekitarya. Adapun sistem yang menggunakan hubungan antar user sebagai parameter dalam memberi rekomendasi adalah social regularization. Untuk mencapai tujuan tersebut, metode Social Regularization memfaktorisasikan matriks rating, dimana hubungan antara user digunakan sebagai regularisasi untuk membatasi kerangka faktorisasi matriks. untuk menentukan kesamaan selera antar pengguna berdasarkan item yang di rating digunakan Similarity function. Hasil pengujian menunjukkan bahwa semakin kecil nilai parameter yang diuji maka semakin rendah nilai MAE yang dihasilkan. Serta hubungan antara user akan mempengaruhi prediksi rating