ABSTRAKSI: Rating film merupakan suatu penilaian suka atau tidaknya user atau pelanggan terhadap film tertentu.Dimana semakin tinggi angka rating diberikan oleh user, berarti user lebih menyukai film tersebut. Dikarenakan semakin lama film yang tersedia semakin banyak dan tidak memungkinkan bagi user untuk menyeleksi satu persatu film yang mereka sukai, maka perlu dibuat sebuah sistem yang dapat membantu user untuk menemukan film yang mereka inginkan. Caranya adalah dengan memberi rekomendasi suatu film tertentu yang telah diprediksi oleh sistem disukai oleh user tersebut.
Dalam tugas akhir ini digunakan metode Counterpropagation Network (CPN) untuk membuat sistem yang dapat merekomendasikan suatu film kepada user. Dengan metode CPN, user akan dikelompokkan berdasarkan pola kesukaan masing-masing user terhadap film. Sehingga apabila user mempunya kecenderungan kesukaan terhadap film yang sama akan dijadikan satu kelompok.
Data yang digunakan untuk training, validating, testing, dan predicting telah disediakan pada website www.netflixprize.com.
Dari hasil pengujian didapatkan akurasi tingkat kesalahan yang paling baik adalah 0.875 untuk data testing dan 0.963 untuk data predicting.
Kata Kunci : rating film, rekomendasi, counterpropagation network, training,validating, testing, predictingABSTRACT: Movie rating is like or unlike customer to the movie. If the value of rating movie is more higher then user more like this movie. Because number of films always increasingly and impossible for customer to choose all movie one by one to find they likely movie, so needed the system can do recommendation movie to customer. The ways is offer movie to customer where the movie has been predicted will be enjoy by customer.
This final project is used counterpropagation network (CPN) to build movie recommendation system to customer. CPN method will be clustered by customer based on pattern. So, if user have same pattern then they will be have same cluster too.
The data used for training, validating, testing, and predicting process comes from www.netflixprize.com website.
From the result experiment, the highest accuracy is 0.875 to the testing data and 0.963 to the predicting data.
Keyword: movie rating, recommendation, counterpropagation network, training,validating, testing, predicting