SISTEM REKOMENDASI FILM INDONESIA MENGGUNAKAN
ALGORITMA APRIORI
SKRIPSI
AHMAD FAUZI NURSALAM
081402013
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
SISTEM REKOMENDASI FILM INDONESIA MENGGUNAKAN
ALGORITMA APRIORI
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Teknologi Informasi
AHMAD FAUZI NURSALAM
081402013
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : SISTEM REKOMENDASI FILM INDONESIA
MENGGUNAKAN ALGORITMA APRIORI
Kategori : SKRIPSI
Nama : AHMAD FAUZI NURSALAM
Nomor Induk Mahasiswa : 081402013
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Sajadin Sembiring, S.Si.,M.Comp.Sc. Romi Fadillah Rahmat, B.Comp.Sc.,M.Sc NIP 198603032010121004
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
PERNYATAAN
SISTEM REKOMENDASI FILM INDONESIA MENGGUNAKAN ALGORITMA APRIORI
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Juli 2014
UCAPAN TERIMA KASIH
Alhamdulillah, segala puji dan syukur penulis tujukan kepada Tuhan Yang Maha Esa, Allah Subhanahuwa Ta’ala yang telah memberikan rahmat dan kasih sayang-Nya sehingga penulis dapat menyelesaikan Skripsi ini. Shalawat serta salam selalu tercurahkan kepada Nabi besar, Nabi Muhammad SAW.
Skripsi ini disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.
Penulis ingin mengucapkan terima kasih yang tulus kepada orang – orang yang telah memberikan semangat dan dukungan dalam menyelesaikan skripsi penelitian tugas akhir ini, yaitu :
1. Kepada kedua orang tua tercinta, Ayah dan Ibu penulis, yaitu Achmad Rusdy dan Ellin Herlina, yang telah membesarkan, memperjuangkan, mendidik baik itu dari segi pendidikan dan agama, serta arti dari perjuangan hidup dari sejak kecil hingga sekarang, terima kasih sedalam-dalamnya dan sebesar-sebesarnya atas kasih sayang dan kesabaran yang telah diberikan kepada penulis. Terima kasih kepada Abang tercinta, Muhammad Aulia beserta Istri, Suri Chairani yang selalu memberikan dukungan moral, semangat dan inspirasi dalam berjuang menyelesaikan studi ini. Terima kasih juga kepada Uwak Gugun dan Paktuo Djamali atas perhatiannya kepada penulis dalam menyelesaikan tugas akhir ini.
2. Kepada Bapak Romi Fadillah Rahmat, B.Comp.Sc.,M.Sc., selaku pembimbing satu dan Bapak Sajadin Sembiring S.Si.,M.Comp.Sc., selaku pembimbing dua yang telah meluangkan banyak waktu dan pikiran dalam membimbing, mengarahkan dan memberikan semangat kepada penulis dalam menyelesaikan skripsi ini. Ucapan terima kasih juga saya sampaikan kepada Bapak Mohammad Fadly Syahputra, B.Sc., M.Sc.IT sebagai penguji satu sekaligus Sekretaris program studi S1 Teknologi Informasi dan Bapak Dedy Arisandi, S.T., M. Kom., sebagai penguji dua dalam memberikan kritikan, nasehat dan saran agar hasil skripsi ini menjadi lebih baik, serta ucapan terima kasih juga ditujukan kepada Ketua program studi S1 Teknologi Informasi, Bapak Muhammad Anggia Muchtar, ST., MM.IT.
ABSTRAK
Pada industri film Indonesia, perkembangan film nasional mengalami kenaikan pesat secara kuantitas. Hal ini membuat calon penonton kesulitan dalam mencari dan memilih film mana yang tepat untuk ditonton sesuai keinginan. Sehingga dibutuhkan suatu sistem rekomendasi yang bertujuan untuk memberikan saran kepada pengguna tentang film mana yang akan dipilih. Rekomendasi film yang dihasilkan sistem ini menggunakan algoritma Apriori yang merupakan salah satu teknik Association Rule dari metode Data Mining. Proses dalam sistem rekomendasi ini, yaitu mencari pola kesamaan rating atau frekuensi rating tertinggi antar pengguna yang telah memberikan rating terhadap film, lalu menghitung nilai support dan nilai confidence tertinggi, sehingga muncul lah beberapa aturan yang kuat untuk menghasilkan rekomendasi film berdasarkan nilai – nilai tersebut. Hasil rekomendasi bergantung pada banyaknya pengguna yang memberikan rating terhadap film – film yang ada di sistem rekomendasi ini.
INDONESIAN MOVIE RECOMMENDER SYSTEM USING APRIORI ALGORITHM
ABSTRACT
In the Indonesian film industry, the development of national films has increased dramatically in quantity. This makes the prospective audience difficult in finding and choosing which movie is worth to watch. So it takes a recommendation system which aims to provide suggestions to users about which movie will be selected to watch. The generated recommendations from this system are using Apriori algorithm which is one of association rule techniques from data mining method. The processes are searching for patterns or the highest similarities rating frequency among users who have given some rating of films, then calculate the highest value of support and confidence, and produced some strong rules to generate movie recommendations based on that values. The accuracy of recommendations depends on the number of users who give ratings to the film in this system.
Keywords : recommendation system, data mining, association rule, apriori algorithm,
DAFTAR ISI
1.4 Tujuan Penelitian ... 3
1.4 Manfaat Penelitian ... 3
1.6 Metodologi Penelitian... 4
1.7 Sistematika Penulisan ... 5
BAB 2 LANDASAN TEORI ... 6
2.1 Sistem Rekomendasi ... 6
2.2 Data Mining ... 7
2.3 Aturan Asosiasi (Association Rule Mining) ... 11
2.4 Algoritma Apriori ... 12
2.5 PHP (Hypertext Prepocessor) ... 14
2.6 SQL... 16
2.7 Unified Modelling Language (UML) ... 17
2.7.1 Diagram Use Case ... 19
2.7.2 Diagram Sequence ... 21
2.7.3 Diagram Kelas ... 23
2.7.4 Diagram Aktivitas... 23
BAB 3 ANALISIS DAN PERANCANGAN SISTEM ... 25
3.1 Analisis Sistem ... 25
3.1.3 Transaksi ... 26
3.2 Proses Algoritma Apriori ... 28
3.3 Perancangan Sistem ... 35
3.3.1 Rancangan Umum Sistem ... 35
3.3.2 Use Case ... 36
3.3.3 Class Diagram ... 43
3.3.4 Interaksi Sequence Diagram ... 44
3.3.4.1 Diagram Sequence : Lihat Daftar Film ... 44
3.4 Perancangan Antarmuka Web Sistem Rekomendasi ... 48
3.4.1 Struktur Menu Web ... 48
3.4.2 Perancangan Tampilan ... 49
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ... 52
4.1 Implementasi Sistem ... 52
4.1.1 Spesifikasi Hardware ... 52
4.1.2 Spesifikasi Software ... 52
4.2 Pengujian Sistem ... 53
4.3 Tampilan Halaman Seluruh Sistem ... 66
4.3.1 Halaman Utama (Home) ... 67
4.3.2 Halaman Katalog ... 70
4.3.3 Halaman Segera... 70
4.3.4 Halaman Sedang Tayang... 71
DAFTAR TABEL
Tabel 2.1 Pandangan/Aspek UML 18
Tabel 2.2 Elemen Diagram Sequence 22
Tabel 3.1 Rating Sistem Rekomendasi Film 27
Tabel 3.2 Variabel Preferensi 27
Tabel 3.3 Transaksi Rating Film 28
Tabel 3.11 Tabel Aturan Asosiatif 32
Tabel 3.12 Spesifikasi Use Case 37
Tabel 4.1 Pengujian Sistem 53
Tabel 4.2 Hasil Pengujian registrasi TI-1 54
Tabel 4.3 Hasil Pengujian Log In TI-2 56
Tabel 4.4 Hasil Pengujian Preferensi User TI-3 58
Tabel 4.5 Hasil Pengujian Meninjau Film TI-4 59
Tabel 4.6 Hasil Pengujian Memberi Rating TI-5 60
Tabel 4.7 Hasil Pengujian Melihat Rekomendasi Film TI-6 61 Tabel 4.8 Hasil Pengujian Melihat Rekomendasi Film TI-7 62
Tabel 4.9 Hasil Pengujian Pencarian Judul Film TI-8 63
Tabel 4.10 Hasil Pengujian Pencarian Film TI-9 64
DAFTAR GAMBAR
Gambar 2.1 Diagram Teknik Rekomendasi dan Sumber Pengetahuannya 7
Gambar 2.2 Arsitektur Data Mining 8
Gambar 2.3 Langkah – Langkah Dalam Menyusun Proses KDD 9 Gambar 2.4 Tiga Langkah Utama dan Beberapa Metode Dalam Data Mining 10 Gambar 2.5 Arsitektur Aplikasi Web yang Melibatkan Middleware 15
Gambar 2.6 Aktor 20
Gambar 2.7 Use Case 20
Gambar 2.8 Contoh Diagram Use Case 21
Gambar 2.9 Contoh Diagram Kelas 23
Gambar 2.10 Contoh Diagram Aktivitas 24
Gambar 3.1 Flowchart untuk Mencari Nilai Support dan Nilai Confidence 34
Gambar 3.2 Arsitektur Sistem 35
Gambar 3.3 Arsitektur Mesin Rekomendasi 36
Gambar 3.4 Use Case : Member & Guest 37
Gambar 3.5 Class Diagram 43
Gambar 3.6 Diagram Sequence : Lihat Daftar Film 44
Gambar 3.7 Diagram Sequence : Log In 44
Gambar 3.8 Diagram Sequence : Registrasi 45
Gambar 3.9 Diagram Sequence : Rekomendasi Film 45
Gambar 3.10 Diagram Sequence : Pencarian Film 46
Gambar 3.11 Diagram Aktivitas : Daftar 46
Gambar 3.12 Diagram Aktivitas : Log In 47
Gambar 3.13 Diagram Aktivitas : Rekomendasi 47
Gambar 3.14 Diagram Aktivitas : Pencarian Film 48
Gambar 3.15 Struktur Menu Web 49
Gambar 3.16 Desain Tampilan Home 49
Gambar 3.17 Tampilan Halaman Detil Film 50
Gambar 3.18 Tampilan Halaman Katalog Film 50
Gambar 3.19 Tampilan Menu Preferensi 51
Gambar 3.20 Menu Log In 51
Gambar 3.21 Menu Daftar 51
Gambar 4.1 Tampilan Halaman Daftar 55
Gambar 4.2 Tampilan Daftar Database pengguna yang Telah Melakukan
Registrasi 56
Gambar 4.3 Tampilan Form Log In 57
Gambar 4.4 Halaman Depan Setelah Log In Berhasil 57
Gambar 4.5 Tampilan Daftar Hasil Rekomendasi Film 58
Gambar 4.6 Tampilan Detil Informasi Film yang di-View 59
Gambar 4.7 Tampilan Database Film 60
Gambar 4.8 Tampilan Hasil Rating Berhasil Dilakukan 61
Gambar 4.9 Tampilan Daftar Rekomendasi Film Berdasarkan Pola Kesamaan
Rating Antar Pengguna 62
Gambar 4.10 Tampilan Daftar Rekomendasi Film Berdasarkan Dari Genre
Film yang Sedang Ditinjau 63
Gambar 4.13 Tampilan Hasil Pencarian Film Melalui Halaman Katalog 65 Gambar 4.14 Tampilan Hasil Pencarian Berdasarkan Artibut ‘Pemeran’ 66 Gambar 4.15 Tampilan Halaman Utam (Home) untuk Pengguna Guest 67 Gambar 4.16 Tampilan Form Log In di Bagian Bawah Halaman Home 67 Gambar 4.17 Tampilan Halaman Daftar/Registrasi Pengguna 68
Gambar 4.18 Tampilan Menu Preferensi User 68
Gambar 4.19 Tampilan Rekomendasi Film Berdasarkan Support dan
Confidence 69
Gambar 4.20 Tampilan Halaman Katalog Film 70
Gambar 4.21 Tampilan Halaman Segera 70
Gambar 4.22 Tampilan Halaman Sedang Tayang 71
Gambar 4.23 Tampilan Halaman About 71
Gambar 4.24 Tampilan Halaman Detil Film 72
