IMPLEMENTASI ONE CLASS COLLABORATIVE FILTERING PADA REKOMENDASI MUSIK

Dengan perkembangan teknologi yang semakin banyak bermunculan aplikasi manajer musik memiliki fitur pencarian lagu berdasarkan tagging atau label yang disimpan sebagai informasi tambahan pada setiap lagu dan dititikberatkan untuk fitur pencarian. Namun pencarian lagu ini sering kali memperoleh hasil yang kurang relevan, karena tidak berdasarkan pada minat dari pemakai (user). Hal tersebut mengakibatkan user kesulitan dalam memilih musik yang sesuai dengan kebutuhannya dikarenakan hasil pencarian yang terlalu umum dan tidak tepat sasaran. Dalam penelitian ini, akan diterapkan algoritma One Class Collaboratve Filtering sebagai algoritma berdasarkan sifat statistik perilaku histori user. Proses kerja dari sistem dimulai dari menghitung kesamaan antara dua pengguna atau dua item dengan menggunakan algoritma One Class Collaborative Filtering. Metode ini menggabungkan hasil dari metode item-oriented one-class collaborative filtering (IOCCF), user-oriented one-class collaborative filtering (UOCCF) dan Bayesian Personalized Ranking (BPR), sehingga hasil rekomendasi yang diperoleh merupakan hasil kombinasi dari ketiga metode. Hasil dari penelitian ini adalah sebuah website untuk memberikan rekomendasi musik berdasarkan pada sifat statistik perilaku histori user. Berdasarkan hasil pengujian yang dilakukan, diperoleh informasi bahwa metode One Class Collaborative Filtering dapat diterapkan dalam sistem rekomendasi dengan nilai tingkat error MAE sebesar 0.5137.