MAULIDa, Dian (2025) Model Rekomendasi Film Berbasis Rating Menggunakan Algoritma Alternating Least Squares. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (143kB)
	Text 3. Halaman Pengesahan I.pdf Download (235kB)
	Text 4. Halaman Pengesahan II.pdf Download (261kB)
	Text 5. Kata Pengantar.pdf Restricted to Repository staff only Download (209kB) | Request a copy
	Text 6. Abstrak.pdf Download (192kB)
	Text 7. Abstract.pdf Download (133kB)
	Text 8. Daftar Isi.pdf Download (204kB)
	Text 12. BAB I.pdf Download (251kB)

Abstract

ABSTRAK
Kemajuan teknologi digital telah mendorong meningkatnya kebutuhan akan
sistem rekomendasi yang mampu menyaring informasi dalam jumlah besar secara
personal dan relevan dengan konteks. Penelitian ini mengembangkan model
rekomendasi film berdasarkan rating eksplisit pengguna dengan menerapkan
algoritma Alternating Least Squares (ALS). Dataset yang digunakan berasal dari
dataset sampel MovieLens dan direpresentasikan dalam bentuk matriks interaksi
pengguna–item, yang kemudian difaktorkan menjadi dua matriks fitur laten
berdimensi rendah yang merepresentasikan pengguna dan item. Model dilatih
menggunakan 90% data sebagai data latih, sedangkan 10% sisanya digunakan
sebagai data uji untuk mengevaluasi performa prediksi. Akurasi model diukur
menggunakan metrik evaluasi Root Mean Square Error (RMSE) dan Mean
Absolute Error (MAE), yang menghasilkan nilai sebesar 0,9015 dan 0,7019. Hasil
ini menunjukkan bahwa model mampu menghasilkan prediksi rating yang akurat
dan bersifat personal. Secara keseluruhan, temuan ini menunjukkan bahwa
algoritma ALS cukup mampu dalam membangun model rekomendasi berbasis
rating dan memiliki potensi untuk diterapkan lebih luas dalam berbagai aplikasi
dunia nyata.
Kata kunci: model rekomendasi, rating eksplisit, Collaborative Filtering, matrix
factorization, Alternating Least Squares, RMSE, MAE.

Actions (login required)

View Item