commit to user
PERBANDINGAN ALGORITMA COSINE SIMILARITY DAN
CONFIDENCE PADA SISTEM REKOMENDASI DENGAN
METODE ITEM BASED COLLABORATIVE FILTERING
SKRIPSI
Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Jurusan Informatika
Disusun Oleh:
SIGIT ANGGA PRASETYO
NIM. M0509065
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUANALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
commit to user
i
PERBANDINGAN ALGORITMA COSINE SIMILARITY DAN
CONFIDENCE PADA SISTEM REKOMENDASI DENGAN
METODE ITEM BASED COLLABORATIVE FILTERING
SKRIPSI
Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Jurusan Informatika
Disusun Oleh:
SIGIT ANGGA PRASETYO
NIM. M0509065
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
commit to user
ii
SKRIPSI
PERBANDINGAN ALGORITMA COSINE SIMILARITY DAN
CONFIDENCE PADA SISTEM REKOMENDASI DENGAN
METODE ITEM BASED COLLABORATIVE FILTERING
Disusun oleh :
SIGIT ANGGA PRASETYO NIM. M0509065
Skripsi ini telah disetujui untuk dipertahankan di hadapan Dewan Penguji pada tanggal: 7 November 2013
Pembimbing I
Ristu Saptono, S.Si., M.T.
NIP. 19790210 200212 1 001
Pembimbing II
Rini Anggrainingsih, M.T.
commit to user
iii
SKRIPSI
PERBANDINGAN ALGORITMA COSINE SIMILARITY DAN
CONFIDENCE PADA SISTEM REKOMENDASI DENGAN
METODE ITEM BASED COLLABORATIVE FILTERING
HALAMAN PENGESAHAN
Disusun oleh :
SIGIT ANGGA PRASETYO NIM. M0509065
Telah dipertahankan di hadapan Dewan Penguji Pada tanggal : 7 November 2013
Susunan Dewan Penguji
1. Ristu Saptono, S.Si., M.T.
NIP. 19790210 200212 1 001 ( )
2. Rini Anggrainingsih, M.T.
NIP. 19780909 200812 2 002 ( )
3. Sari Widya Sihwi, S.Kom., M.T.I.
NIP. 19830412 200912 2 003 ( ) NIP. 19610223 198601 1 001
Ketua Jurusan Informatika
commit to user
iv
MOTTO
“Maka sesungguhnya bersama kesulitan ada kemudahan. Sesungguhnya bersama kesulitan ada kemudahan. Maka apabila engkau telah selesai (dari sesuatu
urusan), tetaplah bekerja keras (untuk urusan yang lain)” (Q.S Al Insyirah : 5-7)
“Mimpi-mimpi kamu, cita-cita kamu, keyakinan kamu, apa yang kamu mau kejar, biarkan ia menggantung, mengambang 5 centimeter di depan kening kamu. Jadi dia nggak akan pernah lepas dari mata kamu. Dan kamu bawa mimpi dan keyakinan kamu itu setiap hari, kamu lihat setiap hari, dan
percaya bahwa kamu bisa” (5cm)
“Aku Selalu percaya jika kau mengerjakan sesuatu maka hasilnya akan kau dapatkan. Aku tidak melakukan sesuatu dengan setengah hati. Karena aku
tahu jika aku begitu, maka aku akan mendapatkan hasil yang setengah-setengah.”
(Michael Jordan)
commit to user
v
PERSEMBAHAN
Kupersembahkan karya ini kepada :
-Orang tuaku tercinta dan sang motivator, Bunda Iis dan Ayah Giyanto-
-Ade kecil ku, Anggita Rahkma W-
-Sahabat-
Sahabat ‘Independent Pember*ntak’
-
-Dea, atas transferan inspirasi dan
semangatnya--Semua teman Informatika UNS khususnya IF09-
Indonesia-commit to user
vi
PERBANDINGAN ALGORITMA COSINE SIMILARITY DAN
CONFIDENCE PADA SISTEM REKOMENDASI DENGAN METODE
ITEM BASEDCOLLABORATIVE FILTERING
SIGIT ANGGA PRASETYO
Jurusan Informatika. Fakultas MIPA. Universitas Sebelas Maret.
ABSTRAK
Sistem rekomendasi merupakan metode penyaringan informasi menggunakan teknik analisa data untuk membantu pengguna menemukan item yang diinginkan. Salah satu metode yang digunakan pada sistem rekomendasi yaitu item-based collaborative filtering. Metode ini merupakan teknik untuk menghitung nilai item similarity. Algoritma yang dapat digunakan untuk menghitung nilai item similarity, yaitu cosine similarity dan confidence. Permasalahannya yaitu belum diketahui algoritma item similarity yang lebih akurat antara hasil rekomendasi menggunakan cosine similarity dan confidence.
Tujuan dari penelitian ini yaitu untuk mengetahui algoritma item similarity
yang lebih akurat antara cosine similarity dan confidence. Untuk mengukur hasil rekomendasi digunakan receiver operating characteristic.
Pada pengujian dengan mengosongkan rating dari 10% hingga 40%, metode item-based collaborative filtering menggunakan algoritma confidence
akan menghasilkan rekomendasi yang lebih akurat dibandingkan dengan algoritma cosine similarity berdasarkan rata-rata nilai accuracy yang lebih tinggi. Metode item-based collaborative filtering menggunakan algoritma confidence
akan menghasilkan kesesuaian antara hasil prediksi dengan rating asli positif yang lebih baik berdasarkan rata-rata nilai sensitivity yang lebih tinggi, dan menghasilkan kesesuaian antara rating asli dengan hasil prediksi positif yang lebih baik berdasarkan rata-rata nilai positive predictive value yang lebih stabil.
Kata Kunci: Confidence, Cosine Similarity, Item Based, Receiver Operating
commit to user
vii
COMPARISON COSINE SIMILARITY AND CONFIDENCE ALGORITHM IN RECOMMENDER SYSTEM USING ITEM BASED
COLLABORATIVE FILTERING METHOD
SIGIT ANGGA PRASETYO
Department of Informatics. Mathematic and Natural Science Faculty. Sebelas Maret University
ABSTRACT
Recommendation system is a method of information filtering using data analysis technic to help users finds the desired items. One of the method which used in recommendation system is item-based collaborative filtering. This method is a technic to calculate the item similarity values. The algorithm which can be used to calculate the value of item similarity are cosine similarity and confidence. The problem is not known more accurate item similarity algorithm between recommendation using cosine similarity and confidence.
The purpose of this research is to know item similarity algorithm which is more accurate between cosine similarity and confidence. To measure the recommendation used receiver operating characteristic.
On testing with emptying the rating from 10% until 40%, item-based collaborative filtering method using confidence algorithm produces recommendation which is more accurate than cosine similarity algorithm based on higher average accuracy value.Item-based collaborative filtering method using confidence algorithm produces the suitability of the results predicted by the original positives rating which is better based on higher average sensitivity value, and suitability of the original rating with positives prediction result which is better based on average positive prediction value that more stable.
Keywords: Confidence, Cosine Similarity, Item Based, Receiver Operating
commit to user
viii
KATA PENGANTAR
Bismillahirrahmaanirrahiim
Puji dan syukur penulis panjatkan kehadirat Alloh Subhanahu Wa Ta’ala yang senantiasa memberikan nikmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi dengan judul “Perbandingan Algoritma Cosine Similarity
dan Confidence Pada Sistem Rekomendasi dengan Metode Item Based
Collaborative Filtering”, yang menjadi salah satu syarat wajib untuk memperoleh gelar Sarjana Informatika di Universitas Sebelas Maret (UNS) Surakarta.
Penulis menyadari akan keterbatasan yang dimiliki, begitu banyak bimbingan, bantuan, motivasi, serta semangat yang diberikan dalam proses penyusunan skripsi ini. Oleh karena itu, ucapan terima kasih penulis sampaikan kepada :
1. Bunda Iis dan Ayah Giyanto serta semua keluarga besar penulis di Tegal Kota Bahari, yang telah memberikan doa, semangat, dukungan, nasihat, energi positif dan motivasi kepada penulis selama proses penyusunan skripsi ini.
2. Bapak Ristu Saptono, S.Si., M.T selaku Dosen Pembimbing I yang penuh kesabaran membimbing, mengarahkan, dan memberi motivasi dan nasihat kepada penulis selama proses penyusunan skripsi ini.
3. Ibu Rini Anggrainingsih, M.T. selaku Dosen Pembimbing II yang penuh kesabaran membimbing, mengarahkan, dan memberi motivasi dan nasihat kepada penulis selama proses penyusunan skripsi ini.
4. Ibu Umi Salamah,S.Si.,M.Kom, selaku Ketua Jurusan S1 Informatika Universitas Sebelas Maret Surakarta.
5. Ibu Esti Suryani, S.Si., M.Kom. selaku Pembimbing Akademik yang telah banyak memberi bimbingan dan pengarahan selama penulis menempuh studi di Jurusan Informatika FMIPA Universitas Sebelas Maret Surakarta, 6. Bapak dan Ibu dosen serta karyawan di Jurusan Informatika FMIPA
Universitas Sebelas Maret Surakarta yang telah mengajar penulis selama masa studi dan membantu dalam proses penyusunan skripsi ini,
7. Teman–teman Informatika khususnya IF09, Sahabat-sahabat “Independent Pember*ntak”, dan Anak Kost “Setia Darma” yang telah memberikan semangat kepada penulis selama ini.
Penulis berharap semoga skripsi ini dapat bermanfaat bagi semua pihak yang berkepentingan.
Surakarta, November 2013
commit to user
ix
DAFTAR ISI
HALAMAN PENGESAHAN ... iii
MOTTO ... iv
PERSEMBAHAN ... v
ABSTRAK ... vi
ABSTRACT ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... ix
DAFTAR GAMBAR ... xi
DAFTAR TABEL ... xii
DAFTAR LAMPIRAN ... xiii
BAB 1 PENDAHULUAN ... 1
1.1. Latar Belakang ... 1
1.2. Rumusan Masalah ... 3
1.3. Batasan Masalah... 3
1.4. Tujuan Penelitian ... 3
1.5. Manfaat Penelitian ... 4
1.6. Sistematika Penulisan ... 4
BAB 2 TINJAUAN PUSTAKA ... 5
2.1. Dasar Teori ... 5
2.1.1. Konsep Sistem Rekomendasi ... 5
2.1.2. Representasi Pengguna ... 7
2.1.3. Inisialisasi Profile Generation ... 8
2.1.4. Metode Sistem Rekomendasi ... 9
2.1.5. Collaborative Filtering ... 15
2.1.6. Item-based Collaborative Filtering ... 21
2.1.7. Tolak Ukur Pengujian Akurasi ... 23
2.2. Penelitian Terkait ... 24
2.3. Rencana Penelitian ... 27
BAB 3 METODOLOGI PENELITIAN... 28
3.1. Tahap Persiapan ... 28
3.1.1. Studi Literatur ... 28
commit to user
x
3.2. Tahap Pemodelan ... 29
3.2.1. Pemodelan Data ... 29
3.2.2. Penerapan Metode Collaborative Filtering ... 29
3.2.3. Pemodelan Masalah ... 29
3.3. Tahap Konstruksi ... 31
3.3.1. Implementasi Basis Data ... 32
3.3.2. Pengujian Perangkat Lunak ... 32
3.4. Tahap Pengujian Metode... 32
BAB 4 PEMBAHASAN ... 35
4.1. Pemodelan Masalah ... 35
4.1.1. Representasi User Profile ... 35
4.1.2. Contoh Kasus ... 36
4.2. Hasil Pengujian ... 43
4.2.1. Pengujian dengan receiver operating characteristic (ROC) ... 43
4.2.2. Pengosongan rating 10% ... 46
4.2.3. Pengosongan rating 20% ... 47
4.2.4. Pengosongan rating 30% ... 48
4.2.5. Pengosongan rating 40% ... 49
4.2.6. Perbandingan Hasil Pengujian ... 50
4.3. Pembahasan Hasil Pengujian ... 54
BAB 5 PENUTUP ... 58
5.1. Kesimpulan ... 58
5.2. Saran ... 59
DAFTAR PUSTAKA ... 60
commit to user
xi
DAFTAR GAMBAR
Gambar 2. 1 Ilustrasi Sistem Rekomendasi ... 6
Gambar 2. 2 Proses Collaborative Filtering ... 16
Gambar 2. 3 Konsep Item-based Collaborative Filterng... 22
Gambar 2. 4 Konsep Receiver Operating Characteristic (ROC) ... 23
Gambar 4. 1 Rata-rata hasil pengujian menggunakan ROC pada pengosongan rating 10% ... 46
Gambar 4. 2 Rata-rata hasil pengujian menggunakan ROC pada pengosongan rating 20% ... 47
Gambar 4. 3 Rata-rata hasil pengujian menggunakan ROC pada pengosongan rating 30% ... 48
Gambar 4. 4 Rata-rata hasil pengujian menggunakan ROC pada pengosongan rating 40% ... 49
Gambar 4. 5 Perbandingan nilai accuracy keseluruhan pengujian ... 50
Gambar 4. 6 Perbandingan nilai sensitivity keseluruhan pengujian ... 51
Gambar 4. 7 Perbandingan nilai positive predictive value keseluruhan pengujian ... 52
Gambar 4. 8 Screenshoot top-3 recommendation untuk salah satu user dengan algoritma cosine similarity ... 53
commit to user
xii
DAFTAR TABEL
Tabel 2. 1 User-item rating matriks ... 17
Tabel 3. 1 User-item rating matrix dengan m pengguna dan n tempat wisata ... 30
Tabel 4. 1 Representasi matriks user-item rating ... 35
Tabel 4. 2 Representasi matriks user-item ratings untuk contoh kasus ... 36
Tabel 4. 3 Tabel data rating ... 36
Tabel 4. 4 Rata-rata hasil pengujian menggunakan ROC pada pengosongan rating 10% ... 46
Tabel 4. 5 Rata-rata hasil pengujian menggunakan ROC pada pengosongan rating 20% ... 47
Tabel 4. 6 Rata-rata hasil pengujian menggunakan ROC pada pengosongan rating 30% ... 48
Tabel 4. 7 Rata-rata hasil pengujian menggunakan ROC pada pengosongan rating 40% ... 49
Tabel 4. 8 Perbandingan nilai accuracy keseluruhan pengujian ... 50
Tabel 4. 9 Perbandingan nilai sensitivity keseluruhan pengujian ... 51
commit to user
xiii
