IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE DENGAN CONTRACTION FACTOR AND DYNAMIC ADAPTIVELY INERTIA WEIGHT PARTICLE SWARM OPTIMIZATION (CF-IWA PSO) PADA SISTEM REKOMENDASI

Karena kebutuhan pengguna yang beragam serta banyaknya data saat ini menyebabkan sulitnya menyediakan informasi yang akurat dan tepat waktu kepada pengguna. Sistem rekomendasi personal dianggap sebagai solusi untuk mengatasi masalah ini. Untuk menghasilkan sistem rekomendasi personal dapat menggunakan Support Vector Machine (SVM). SVM adalah salah satu metode machine learning yang memiliki kelebihan dapat menjamin menemukan solusi optimal secara global. Dengan menganalisis data historis pengguna, sistem rekomendasi personal menggunakan SVM secara otomatis memberikan saran kepada pengguna berdasarkan penilaian mereka. Namun SVM masih memiliki kendala dalam pemilihan parameter optimal yang dapat mempengaruhi nilai akurasi dari proses klasifikasi. Karena akurasi peramalan SVM merupakan parameter yang sensitif, maka penting untuk menyesuaikan parameter SVM untuk mencapai kinerja yang lebih baik. Untuk mengoptimalkan parameter pada SVM, dalam tugas akhir ini digunakan algoritma Contraction Factor and Dynamic Adaptively Inertia Weight Particle Swarm Optimization (CF-IWA PSO). Dari hasil pengujian SVM dengan CF-IWA PSO dapat disimpulkan bahwa akurasi terbaik yaitu 86,4% yang diperoleh dari jumlah member 100, iterasi maksimal 5, dan nilai w sebesar 0,895. Rekomendasi item yang diperoleh dari akurasi tersebut adalah sebanyak 261 item.