ABSTRAKSI: Recommender system merupakan suatu sistem yang mampu memberikan suatu rekomendasi kepada user terhadap item, seperti musik, video, film, buku, dan sebagainya, yang mungkin akan dipilihnya.
Tugas Akhir ini mengimplementasikan dan menganalisis metode Joint Mixture Collaborative Filtering (JMCF) yang merupakan suatu metode hybrid collaborative filtering pada recommender system yang terdiri dari metode Pure Pearson Corellation sebagai memory-based CF yang memiliki kekurangan dalam hal sparsity data dan Pure TAN-ELR CF sebagai model-based CF yang memiliki kekurangan dalam hal scalability. Tugas Akhir ini menganalisis bagaimana JMCF dapat menutupi kekurangan yang terdapat pada kedua metode tersebut. Analisis juga akan dilakukan terhadap pengaruh bobot yang diberikan pada metode hybrid tersebut terhadap akurasi prediksi rating yang dihasilkan oleh recommender system setelah diimplementasikan metode JMCF.Kata Kunci : recommender system, collaborative filtering, pearson correlation, TAN-ELR, JMCFABSTRACT: Recommdender system is an application that can give the recommendation of rating prediction of an item, such music, video, film, book, etc, that may be chosen by the user.
This final project implemented and analyse Joint Mixture Collaborative Filtering (JMCF) method which is an hybrid collaborative filtering on recommender system contains Pure Pearson Corellation method as memory-based CF that has lack on data sparsity and Pure TAN-ELR CF method as model-based CF that has lack on scalability. This final project analyse how JMCF can reduce the lacks on this two methods. This final project also analyse the weight influence given on this hybrid method concerned the accuracy of rating prediction as the result of the recommender system after implemented on JMCF method.Keyword: recommender system, collaborative filtering, pearson correlation, TAN-ELR, JMCF