Abstrak
Sistem rekomendasi adalah sistem yang dirancang untuk memberikan informasi yang menarik dan membantu pengguna dalam membuat keputusan. Keberadaan sistem ini membuat pengguna merasa lebih nyaman saat menggunakan aplikasi. Dalam tugas akhir ini dengan memanfaatkan domain yang film yang tersedia pada dataset Movielens akan mengimplementasikan metode hybrid filtering dimana akan digunakan dua metode yaitu Word2Vec sebagai algoritma content-based filtering dan Restricted Boltzmann Machine sebagai algoritma yang digunakan pada collaborative filtering. Pada algoritma Word2Vec akan menggunakan pre-trained model yang disediakan oleh Google dan pada algoritma Restricted Boltzmann Machine akan menggunakan library dari TensorFlow pada Tugas akhir ini akan menggunakan dataset MovieLens. Tujuan dari tugas akhir ini yaitu mengetahui akurasi dan performa dari sistem rekomendasi yang dibuat dengan menggunakan beberapa metric seperti Precision, dan Normalized Discounted Cumulative Gain
Kata kunci : system recommendation, hybrid filtering, collaborative filtering, content-based filtering, word2vec, RBM, Restricted Boltzmann Machine, Precision, dan Normalized Discounted Cumulative Gain