Evaluasi Komparatif Hybrid Filtering dan Model-Based SVD pada Sistem Rekomendasi Film Menggunakan Dataset MovieLens

Angelina Putri Ariani; Dita Ayu Handayani; Putri Muryanti Setyowati; Deni Kurnianto Nugroho; Marwan Noor Fauzy

doi:10.55382/jurnalpustakadata.v6i1.1723

Penulis

Angelina Putri Ariani Universitas AMIKOM Yogyakarta
Dita Ayu Handayani Universitas AMIKOM Yogyakarta
Putri Muryanti Setyowati Universitas AMIKOM Yogyakarta
Deni Kurnianto Nugroho Universitas AMIKOM Yogyakarta
Marwan Noor Fauzy Universitas AMIKOM Yogyakarta

DOI:

https://doi.org/10.55382/jurnalpustakadata.v6i1.1723

Kata Kunci:

sistem rekomendasi, hybrid filtering, collaborative filtering, content-based filtering, singular value decomposition

Abstrak

Perkembangan jumlah dan variasi film yang semakin meningkat menyebabkan pengguna mengalami kesulitan dalam menentukan pilihan tontonan yang sesuai dengan preferensi mereka. Oleh karena itu, sistem rekomendasi menjadi solusi penting untuk membantu pengguna memperoleh rekomendasi film yang relevan dan personal. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja sistem rekomendasi menggunakan pendekatan Item-Based Collaborative Filtering, Content-Based Filtering, Hybrid Filtering, serta Model-Based Collaborative Filtering pada dataset MovieLens 100k. Secara khusus, pendekatan Model-Based menerapkan algoritma Singular Value Decomposition (SVD) yang dioptimalkan dengan learning rate 0.005, regularisasi 0.02, dan 50 faktor laten. Penelitian ini memberikan kontribusi ilmiah berupa analisis komparatif antara pendekatan memory-based dan model-based pada dataset dengan tingkat sparsity tinggi. Proses penelitian meliputi tahapan preprocessing data, pemisahan data menggunakan metode random holdout, dan eksplorasi data untuk menganalisis distribusi rating. Evaluasi kinerja sistem dilakukan menggunakan metrik Root Mean Square Error (RMSE) dan Precision@10. Hasil penelitian menunjukkan bahwa metode Model-Based SVD menghasilkan performa terbaik dengan nilai RMSE terendah sebesar 0.877 dan Precision@10 tertinggi sebesar 67.45%. Sementara itu, metode Hybrid Filtering yang menggunakan skema pembobotan manual menghasilkan kinerja rendah dengan Precision@10 sebesar 0.40%; hal ini disebabkan oleh penggunaan bobot statis yang tidak mampu mengakomodasi variasi bias antar-model secara efektif. Hasil ini menunjukkan bahwa pendekatan berbasis machine learning dengan model laten lebih efektif dalam menangani dataset sparse dibandingkan metode berbasis konten maupun hybrid konvensional dengan bobot statis.

Unduhan

Data unduhan belum tersedia.

Referensi

Salsabilla, C. dan Utomo, D.W. (2025) “Sistemasi: Jurnal Sistem Informasi Sistem Rekomendasi Wisata Kabupaten Pekalongan dengan Content Based Filtering Pekalongan Regency Tourism Recommendation System with Content based Filtering,” SISTEMASI (Jurnal Sistem Informasi), 14(1), hlm. 256–270. Tersedia pada: https://doi.org/10.32520/stmsi.v14i1.4839.

Khusnah, M., Gernowo, R. dan Surarso, B. (2025) “Implementasi E-Commerce dengan Sistem Informasi Rekomendasi menggunakan Metode Collaborative Filtering untuk Pengembangan Penjualan pada UMKM,” Jurnal Sistem Informasi Bisnis, 15(1), hlm. 135–142. Tersedia pada: https://doi.org/10.14710/vol15iss1pp135-142.

Maulana, F. dan Setiawan, E.B. (2024) “Performance of Deep Feed-Forward Neural Network Algorithm Based on Content-Based Filtering Approach,” INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi, 8(2), hlm. 278–294. Tersedia pada: https://doi.org/10.29407/intensif.v8i2.22904.

Yudha, A.A.P., Munir dan Anisyah, A. (2025) “Perancangan Sistem Rekomendasi Akomodasi pada Event Konser dengan Metode Hybrid Filtering,” JUKTISI (Jurnal Komputer Teknologi Informasi Sistem Informas), 4(2), hlm. 631–641. Tersedia pada: https://doi.org/10.62712/juktisi.v4i2.493.

Putri, R.P., Maulindar, J. dan Pradana, A.I. (2025) “Sistem Rekomendasi Kuliner Karanganyar Menggunakan Metode Hybrid Recommendation,” Progresif: Jurnal Ilmiah Komputer, 21(2), hlm. 910–920. Tersedia pada: https://doi.org/10.35889/progresif.v21i2.3105.

Sitanggang, A. dkk. (2023) “Sistem Rekomendasi Anime Menggunakan Metode Singular Value Decomposition (SVD) dan Cosine Similarity,” JTI (Jurnal Teknologi Informasi), 2(2), hlm. 90–94. Tersedia pada: https://doi.org/10.35308/jti.v2i2.7787

Kurniawan, A.A. dan Aribowo, W. (2024) “Perancangan dan Implementasi Sistem Pembangkit Listrik Tenaga Hybrid,” JURNAL TEKNIK ELEKTRO, 14(2), hlm. 102–107. Tersedia pada: https://doi.org/10.26740/jte.v14n2.p102-107.

Yuricha dan Phan, I.K. (2025) “REKOMENDASI DRAMA KOREA MENGGUNAKAN CONTENT-BASED FILTERING DENGAN WEIGHTED TREE SIMILARITY,” JITET (Jurnal Informatika dan Teknik Elektro Terapan), 13(1), hlm. 1716–1725. Tersedia pada: https://doi.org/10.23960/jitet.v13i1.6050.

Hendrawan, S. dan Yakub (2025) “OPTIMASI SISTEM REKOMENDASI FILM MENGGUNAKAN METODE HYBRID FILTERING,” POTERS (Proceedings of Technology, Engineering and Computers), 1(2), hlm. 316–323. Tersedia pada: https://jurnal.ubd.ac.id/index.php/poters/index.

Velamentosa, D. dan Zuliarso, E. (2025) “SISTEM REKOMENDASI FILM MENGGUNAKAN METODE CONTENT-BASED FILTERING,” JATI (Jurnal Mahasiswa Teknik Informatika), 9(2), hlm. 2918–2922. Tersedia pada: https://doi.org/https://doi.org/10.36040/jati.v9i2.13251.

Roziqiin, N.M. (2024) SISTEM REKOMENDASI PEMILIHAN FILM ANIMASI MENGGUNAKAN METODE CONTENT BASED FILTERING. Tersedia pada: http://etheses.uin-malang.ac.id/id/eprint/65972 (Diakses: 10 Februari 2026).

Pratama, R.A. dkk. (2025) “Perbandingan User-Based dan Item-Based pada Sistem Rekomendasi Film Kombinasi Teknik Reduksi Dimensi dan Clustering,” Jurnal Tekno Insentif, 19(1), hlm. 1–14. Tersedia pada: https://doi.org/10.36787/jti.v19i1.1662.