Optimasi Model Sistem Rekomendasi Film Dengan Neural Network (Studi Kasus: Platform Letterboxd)
Abstract
Perkembangan internet yang pesat diiringi banyaknya penggunaan internet membuat
pengguna menghadapi masalah kelebihan informasi. Sistem rekomendasi pun hadir
sebagai alat penyaringan informasi yang menyajikan item kepada pengguna berdasarkan
preferensi dan perilaku pengguna. Salah satu penerapan sistem rekomendasi dalam dunia
hiburan adalah sistem rekomendasi pada film untuk ditonton. Letterboxd merupakan
sebuah platform kecil yang masih berkembang untuk komunitas yang sangat gemar
terhadap film. Sebagai platform media sosial yang berfokus pada film, Letterboxd belum
memberikan fasilitas rekomendasi kepada pengguna berdasarkan preferensi pengguna.
Sampai saat ini, penelitian tentang penggunaan optimizer yang optimal untuk digunakan
dalam sistem rekomendasi juga belum terpapar dalam literatur terkait. Untuk itu,
dilakukan penelitian yang bertujuan untuk membangun algoritma model dan menemukan
optimizer terbaik dalam model sistem rekomendasi dengan metode item-based
collaborative filtering berbasis neural network (jaringan saraf). Penelitian ini
membangun algoritma model sistem rekomendasi yang terdiri dari tiga dense layer utama
dengan jumlah neuron yang diberikan pada masing-masing layer adalah 400, 200, dan
100 neuron. Penelitian ini membagi sesi training ke dalam 5 skenario berdasarkan
optimizer yang digunakan. Hasil penelitian menunjukkan bahwa model dengan optimizer
SGD menunjukkan model dengan kinerja terbaik dengan nilai loss prediksi 2,1742.
Collections
- Industrial Engineering [2240]