Page 2 - Paper Title (use style: paper title)

dibandingkan dengan item-based collaborative tanpa Rough  Efisien, hanya mempergunakan kata atau kalimat yang
Set Prediction. Penelitian sistem rekomendasi oleh Tan dan penting dan mudah dipahami;
Ye [7] mengenai user-based collaborative filtering
menggunakan item classification. Dalam penelitian tersebut  Objektif berdasarkan fakta, setiap informasi dalam
item classification digunakan untuk mengklasifikasi item kerangka ilmiah selalu apa adanya, sebenarnya, dan
berdasarkan atribut item. Berdasarkan Mean Absolute Error konkret;
(MAE), metode tersebut terbukti lebih baik dibandingkan  Sistematis, baik penulisan dan pembahasan sesuai
dengan metode collaborative filtering tanpa item dengan prosedur dn sistem yang berlaku.
classification.

Gong dan Ye [4] melakukan penelitian sistem
rekomendasi item menggunakan metode Collaborative B. Sistem Rekomendasi
Filtering dan algoritma Back Propagation Neural Network. Sistem rekomendasi adalah suatu program yang
Penelitian tersebut membandingkan metode Collaborative melakukan prediksi terhadap suatu item, seperti film, musik,
Filtering tradisional dan metode Collaborative Filtering yang buku, berita dan lain sebagainya yang menarik bagi pengguna,
menggunakan algoritma Back Propagation (BP). CF dengan berdasarkan keadaan dan keinginan pengguna. Sistem ini
menggunakan algoritma BP terbukti memiliki MAE lebih berjalan dengan menggunakan data dari pengguna secara
rendah dibandingkan dengan collaborative filtering tanpa langsung maupun tidak
algoritma BP. Akan tetapi membutuhkan waktu yang lebih
lama untuk mengoptimalkan kinerja BP. Uddin, Shrestha dan Dalam sistem rekomendasi terdapat beberapa metode
Jo [8] melakukan penelitian untuk meningkatkan metode dasar yang digunakan, diantaranya adalah:
Content-Based Learning dengan menggunakan Diverse
Collaborative Prediction (DCP) dalam sistem rekomendasi  Content-based recommendation: merupakan sistem
film. Dalam penelitian tersebut DCP digunakan untuk rekomendasi yang menerapkan metode Content-based
menemukan item yang tidak mirip diantara item mirip yang Learning dimana pengguna akan direkomendasikan
direkomendasikan oleh collaborative filtering. Berdasarkan untuk memilih item yang mirip dengan item yang telah
MAE, metode tersebut terbukti lebih baik dibandingkan dipilih pengguna tersebut dimasa lalu.
dengan content-based learning tanpa DPC dan Naïve Hybrid  Collaborative recommendation: merupakan sistem
Approach, serta dapat menekan nilai MAE hingga 3,77% dan rekomendasi yang menggunakan metode collaborative
0,48% . filtering dimana pengguna akan direkomendasikan
Yun dan Youn[8]melakukan penelitian mengenai sistem untuk memilih item yang dipilih atau disukai oleh para
rekomendasi menggunakan metode collaborative filtering dan pengguna lain (dengan selera yang sama) dimasa lalu.
user information. User information digunakan untuk mengisi  Hybrid approach: sistem rekomendasi yang
matriks user-item yang kosong. Penelitian ini terdiri dari menggunakan metode hybrid-based dimana metode
beberapa tahap yaitu, pengisian non-rated data berdasarkan tersebut adalah gabungan antara metode content-based
user information, perhitungan user similarity, dan prediksi. dan collaborative.
Hasil penelitian ini berupa nilai MAE sebesar 0,87, sedangkan
metode collaborative filtering tanpa user information sebesar C. Content-based Learning
1,04. Pembelajaran berbasis konten untuk sistem rekomendasi
A. Karya Tulis Ilmiah berawal dari studi temu kembali informasi (Information
Retrieval), dan information filtering. Menurut Borgers dan
Karya tulis ilmiah atau Karya ilmiah adalah tulisan atau Bosch[] content-based recommendation adalah hasil dari
laporan tertulis yang memaparkan hasil penelitian atau penelitian penyaringan informasi dalam sistem berbasis
pengkajian suatu masalah oleh seseorang atau sebuah tim konten. Content-based memerlukan teknik yang tepat untuk
dengan memenuhi kaidah dan etika keilmuan yang mewakili item dan beberapa strategi untuk membandingkan
dikukuhkan dan ditaati oleh masyarakat keilmuan. Data, user profile dan representasi item. Content-based terbukti
simpulan dan informasi lain yang terkandung dalam karya dapat secara efektif menyaring informasi yang relevan dengan
ilmiah tersebut dijadikan acuan (referensi) bagi ilmuan lain topik, namun terdapat beberapa kekurangan dari metode
dalam melaksnakan penelitian atau pengkajian selanjutnya. tersebut dalam sistem yaitu:
Karya ilmiah berfungsi sebagai sarana untuk mengembangkan
ilmu pengetahuan dan teknologi berupa penjelasan, prediksi  Penyaringan berbasis konten sulit untuk menghasilkan
dan pengawasan. Ada beberapa jenis karya tulis ilmiah, yaitu rekomendasi tak terduga (serendipitous
artikel ilmiah, makalah, kertas kerja, paper, skripsi, tesis, recommendation), karena semua informasi yang
disertasi, dan artikel ilmiah populer. Berikut ini merupakan direkomendasikan dan dipilih berdasarkan konten.
karakteristik karya ilmiah:
 Hanya mengandalkan kinerja sistem dan mengabaikan
 Mengacu pada teori sebagai landasan berpikir (kerangka masukan dari pengguna lain.
pemikiran) dalam pembahasan masalah;
Pencarian kemiripan antara pengguna dan item adalah
 Lugas, tidak emosional, bermakna tunggal, tidak langkah penting dalam algoritma sistem rekomendasi.
menimbulkan interprestasi lain; Menurut Fan, Pan dan Jiang [10] Cosine similarity merupakan
algoritma yang memisalkan garis pada matriks user-item
 Logis, disusun berdasarkan urutan yang konsisten; sebagai vektor. Kesamaan antara dua item yang didefinisikan
 Efektif, ringkas dan padat; sebagai sudut kosinus ditunjukkan pada Persamaan 1

ISSN/e-ISSN: 1907-4093/2087-9814 18