Metode
Metode yang dipakai adalah metode Hybrid [1] dimana metode ini mengkombinasikan antara metode User-based Collaborative Filtering dengan menggunakan Similarity Function Pearson Correlation Coefficient (PCC), atau Adjusted Mutual Information (AMI) [2], sedangakan untuk metode Item-based Collaborative Filtering dengan menggunakan Similarity Function Pearson Correlation Coefficient (PCC), atau Adjusted Mutual Information (AMI) [2]. Dataset yang digunakan dalam penelitian ini adalah dataset MovieLens-100K dimana data yang digunakan adalah data rating user terhadap item. Alur dari algortima yang dipakai digambarkan pada gambar pada gambar dibawah ini.
Tentang Aplikasi
Aplikasi ini merupakan prototipe penelitian yang dilakukan oleh kami. Pengguna dapat memilih user yang ingin direkomendasikan oleh aplikasi yang nantinya akan menampilkan hasil dari rekomendasi film untuk user yang telah dipilih.
Aplikasi ini menggunakan algoritma Hybrid dimana mengkobinasikan 2 metode yaitu User-based Collaborative Filtering dengan menggunakan Similarity Function Pearson Correlation Coefficient (PCC), atau Adjusted Mutual Information (AMI) dan Item-based Collaborative Filtering dengan menggunakan Similarity Function Pearson Correlation Coefficient (PCC), atau Adjusted Mutual Information (AMI).