Studi Komparasi Algoritma Similaritas pada Prediksi Rating berbasis Item pada Collaborative Filtering

Data Review Restoran

Abstract

Collaborative filtering merupakan salah satu teknik yang memanfaatkan informasi preferensi pengguna dalam bentuk penilaian peringkat (rating) yang menghasilkan prediksi berdasarkan kesamaan pola penilaian. Akurasi prediksi selalu menjadi penilaian pada sistem yang dibangun dengan teknik collaborative fitering. Studi ini melibatkan komparasi algoritma similaritas yang digunakan pada collaborative filtering berbasis item untuk memprediksi penilaian (rating) dalam studi kasus data restoran. Pengujian yang dilakukan adalah membangun sistem collaborative filtering berbasis item dengan menggunakan variansi algoritma similarity antara euclidean distance dan cosine similarity yang bertujuan untuk menganalisis kemampuan keduanya dalam memprediksi item. Hasil studi pada kasus ini menunjukkan bahwa collaborative filtering berbasis item dengan pendekatan euclidean distance memiliki akurasi yang lebih baik daripada cosine similarity.