APLIKASI REKOMENDASI ANIME DENGAN ITEM-BASED CLUSTERING HYBRID METHOD (ICHM) DAN K-MEDOIDS SEBAGAI CLUSTERING BERBASIS MOBILE DAN WEB

Peningkatan minat akan anime dapat dilihat dari banyaknya komunitas-komunitas pencinta anime dari berbagai kalangan dan banyaknya pencarian anime yang dilakukan, faktor pendukung lainnya adalah produksi anime yang terus meningkat setiap tahunnya mengambarkan industri perfiliman ini memiliki banyak peminat. Peningkatan tersebut meyebabkan banyaknya informasi variasi anime yang memiliki banyak genre menyebabkan pengguna kesulitan dalam pencarian anime. Sulitnya mendapatkan informasi update video anime yang memiliki subtitle untuk setiap episode terbaru menjadi permasalahan tersendiri bagi pengguna. Dalam tugas akhir ini, penulis mencoba membangun aplikasi rekomendasi anime berbasis mobile dan web yang dapat mengatasi permasalahan tersebut. Aplikasi menggunakan algoritma item-based clustering hybrid method (ICHM) dalam melakukan rekomendasi anime. Pada tahap clustering ICHM, k-means digantikan dengan metode cluster lain yaitu K-medoids yang pada penelitian sebelumnya oleh dapat memberikan hasil cluter yang lebih baik dibandingkan degan k-means. Pengujian tugas akhir dilakukan dengan 2 jenis pengujian yaitu: pengujian dengan menghitung nilai MAE(Mean Absolute Error) dan Blackbox usecase testing. Hasil pengujian MAE terhadap aplikasi rekomendasi anime dengan item-based clustering hybrid method (ICHM) menggunakan K-medoids sebagai clustering memperoleh nilai terendah yaitu :0.6904, sedangkan K-means memperoleh nilai : 2.5994 dan hasil pengujian blackbox berhenti pada penguji kedua karena telah menyelesaikan semua workflow dengan hasil uji fungsional sistem telah berjalan dengan baik.