Sistem Rekomendasi Menggunakan Item-based Collaborative Filtering pada Konten Artikel Berita

Abstract

Abstract— Searching for information on the internet in this case relating to the type of content of news articles is more difficult to do because of the advancement of information technology that results in the availability of large amounts of information. One solution to facilitate the search for information from the amount of information available is a recommendation system that is able to provide information recommendations according to user personalization. The application of item-based collaborative filtering method in this study is based on evaluation of the following three algorithms, namely the k-Nearest Neighbors (k-NN) algorithm, Slope One algorithm (SO) and the combination of the two algorithms (k-NNSO). The k-NN algorithm works by calculating the similarity of items (item similarity), sorting the results of the calculation of item similarity from the largest, selecting as many k content based on the order results and predicting content ratings. The SO algorithm works by calculating the average deviation between content and then predicting content rating. The k-NNSO algorithm works by combining k-NN in the item similarity calculation section and sorting it as well as SO against the selected k sequence content. The evaluation results produce an error value based on the Root Mean Square Error (RMSE) equation. The results obtained in this study are that the experiments on the SO algorithm produce the lowest RMSE value with a value of 0.5715. The SO algorithm defeats the k-NN algorithm with positive similarity items that produce an RMSE value of 0.6533 and the k-NNSO algorithm with k content selected as much as 50% which results in an RMSE value of 0.5894. Based on these results, this study applies an SO algorithm to produce news article content recommendations to users.

Keywords— recommendation system; item-based collaborative filtering; k-Nearest Neighbors; Slope One; k-Nearest Neighbors-Slope One

Intisari— Pencarian informasi di internet dalam hal ini terkait informasi jenis konten artikel berita lebih sulit dilakukan karena faktor kemajuan teknologi informasi sehingga mengakibatkan tersedianya sejumlah besar informasi. Salah satu solusi untuk mempermudah pencarian informasi dari banyaknya informasi yang tersedia yaitu sistem rekomendasi yang mampu memberikan rekomendasi informasi sesuai personalisasi pengguna. Penerapan metode item-based collaborative filtering pada penelitian ini berdasarkan evaluasi dari tiga algoritma berikut yaitu algoritma k-Nearest Neighbors (k-NN), algoritma Slope One (SO) dan kombinasi kedua algoritma tersebut (k-NNSO). Algoritma k-NN bekerja dengan menghitung kesamaan konten (item similarity), mengurutkan hasil perhitungan item similarity dari yang terbesar, memilih sebanyak k konten berdasarkan  hasil urutan  dan memprediksi rating konten. Algoritma SO bekerja dengan menghitung deviasi rata-rata (average deviation) antar konten dan kemudian memprediksi rating konten. Algoritma k-NNSO bekerja dengan mengkombinasikan k-NN pada bagian perhitungan item similarity dan pengurutannya serta SO terhadap k konten hasil urutan yang terpilih. Hasil evaluasi menghasilkan nilai error berdasarkan persamaan Root Mean Square Error (RMSE). Hasil yang diperoleh pada penelitian ini yaitu bahwa eksperimen pada algoritma SO menghasilkan nilai RMSE paling rendah dengan nilai 0,5715. Algoritma SO mengalahkan algoritma k-NN dengan item similarity positif yang menghasilkan nilai RMSE yaitu 0,6533 dan algoritma k-NNSO dengan k konten terpilih sebanyak 50% yang menghasilkan nilai RMSE yaitu 0,5894. Berdasarkan hasil tersebut, maka penelitian ini menerapkan algoritma SO untuk menghasilkan rekomendasi konten artikel berita kepada pengguna.

Kata Kunci— sistem rekomendasi; item-based collaborative filtering; k-Nearest Neighbors; Slope One; k-Nearest Neighbors-Slope One