Perbandingan Algoritma Cosine Similarity dan Euclidean Distance pada Sistem Rekomendasi Film dengan Metode Item-Based Collaborative Filtering

Abstract

Sistem rekomendasi saat ini semakin dibutuhkan seiring dengan semakin banyaknya film yang ada, terutama di media digital. Item-Based Collaborative Filtering adalah salah satu dari sekian banyak metode dalam sistem rekomendasi. Metode Item-Based Collaborative Filtering menentukan film yang direkomendasikan berdasarkan kemiripan dengan film lainnya berdasarkan film-film lain yang telah diberi rating. Pada serangkaian proses yang ada dalam Item-Based Collaborative Filtering, terdapat satu tahapan dengan algoritma untuk menentukan similaritas atau kemiripan antar item. Penelitian ini membandingkan dua algoritma untuk menentukan kemiripan antar item. Algoritma yang dibandingkan yaitu Cosine Similarity dan Euclidean Distance. Kedua algoritma tersebut diterapkan dan dilakukan pengujian pada sistem rekomendasi film dengan metode Item-Based Collaborative Filtering pada data rating film MovieLens. Perbandingan dilakukan dengan menghitung nilai Mean Absolute Error dan Root Mean Square Error untuk mengevaluasi hasil akurasi pada tiap algoritma yang digunakan. Pada percobaan dengan menggunakan algoritma Cosine Similarity menghasilkan nilai akurasi dengan Mean Absolute Error sebesar 2,21 serta nilai Root Mean Square Error sebesar 2,51. Sedangkan pada percobaan dengan menggunakan algoritma Euclidean Distance menghasilkan nilai akurasi dengan Mean Absolute Error sebesar 2,24 serta nilai Root Mean Square Error sebesar 2,55. Dari hasil penelitian yang telah dilakukan, algoritma Cosine Similarity memiliki tingkat akurasi lebih baik dibandingkan dengan algoritma Euclidean Distance. Hal tersebut dapat dilihat dari nilai Mean Absolute Error dan juga Root Mean Square Error pada algoritma Cosine Similarity yang lebih memiliki nilai lebih kecil dari algoritma Euclidean Distance.