Sistem Rekomendasi Hybrid Menggunakan Metode Switching

Abstrak

Perkembangan teknologi memaksa pelaku bisnis untuk memberikan layanan terbaik dengan menjadikan sistem rekomendasi sebagai salah satu solusi untuk menjaga loyalitas konsumen. Sudah banyak dilakukan penelitian terkait dengan sistem rekomendasi untuk mengatasi permasalahan Cold-Start ataupun Serendipitous Problem. Penelitian ini melakukan Hybrid Collaborative Filtering dan Content Based filtering dengan menggunakan Switching method sebagai media untuk memilih data dan atribut yang tepat. Selanjutnya data diproses menggunakan algoritma TF-IDF dan KNN. Penelitian ini melakukan beberapa pengujian dengan menggunakan berbagai macam nilai K serta komposisi data training dan testing. Hasil pengujian menunjukkan bahwa akurasi tertinggi yang dihasilkan oleh model yang telah dikembangkan adalah 83.62% untuk metode switching dengan atribut product category sebagai variable label, dan 74.9% untuk metode switching dengan atribut rating sebagai variable label. Rasio data training dan testing yang digunakan dalam penelitian ini adalah 70:30 dengan nilai K=3. Hasil penelitian juga menemukan bahwa ada korelasi signifikan antara nilai K dengan nilai akurasi dimana nilai K yang tinggi akan menghasilkan akurasi yang tinggi juga.