Collaborative Filtering merupakan teknik yang umum digunakan dalam penentuan prediksi berdasarkan kesamaan antar user. Recommender System merupakan bagian dari information filtering system yang memprediksi tingkat atau kecenderungan pengguna. Pada tahun-tahun terakhir ini Recommender System sangat umum diaplikasikan di berbagai bidang, yang paling populer adalah pada bidang film, musik, berita, buku, artikel, penelitian, queri pencarian, social tags, dan produk secara umum. Tradisional recommender systems selalu mengabaikan interaksi sosial antara pengguna. Akan tetapi dalam kehidupan nyata, ketika menanyakan teman untuk meminta pendapat, reviews untuk rekomendasi suatu bidang yang sedang dicari seperti musik, film, gadgets, restoran, buku, games, software apps, pada kenyataanya hal ini menggunakan sosial informasi untuk rekomendasi. Dalam tugas akhir ini faktor popularitas sosial yang tergabung dalam metode faktorisasi SVD++ sebagai umpan balik implisit (implicit feedback) untuk meningkatkan akurasi dan skalabilitas rekomendasi.
Data yang digunakan adalah FilmTrust dataset. Tugas akhir ini menganalisis kempleksitas komputasi algoritma setelah diimplementasikan algoritma SVD++. Parameter yang digunakan dalam analisis adalah parameter RMSE sebagai evaluasi matrik dan hasil dari prediksi. Algoritma SVD++ memberikan hasil RMSE 0,799585.
Kata Kunci: *collaborative filtering, recommendation system, SVD++ ,RMSE *