Perbandingan Cosine Similarity dan Euclidean Distance pada Model Rekomendasi Buku dengan Metode Item-based Collaborative Filtering.

  • M Dzikri Hisyam Ilyasa Universitas Negeri Surabaya
  • Yuni Yamasari Universitas Negeri Surabaya

Abstract

Model rekomendasi adalah metode penyaringan data atau informasi dengan menggunakan teknik analisis data untuk membantu pengguna dalam menemukan item yang diinginkan. Salah satu metode yang digunakan dalam model rekomendasi adalah item-based collaborative filtering. Metode ini merupakan teknik untuk menghitung nilai antara kesamaan item. Algoritma yang dapat digunakan untuk menghitung nilai kesamaan item pada penelitian ini adalah Cosine Similarity dan Euclidean Distance. Masalahnya adalah masih belum jelas algoritma kesamaan item mana yang lebih akurat antara model rekomendasi yang menggunakan Cosine Similarity atau Euclidean Distance. Tujuan dari penelitian ini adalah untuk mengetahui algoritma kesamaan item mana yang paling akurat antara Cosine Similarity dan Euclidean Distance. Dari hasil pengujian Mean Absolute Error (MAE) menggunakan K-Fold Cross Validation pada penelitian ini dapat disimpulkan bahwa rumus perhitungan Cosine Similarity mempunyai tingkat akurasi yang cukup baik yaitu 0.647352 dibandingkan dengan rumus perhitungan Euclidean Distance memilki nilai akurasi yaitu 0.676872 dengan skala MAE 0–1. Semakin kecil nilai MAE semakin tinggi akurasi prediksi yang dihasilkan. Hal ini menunjukan bahwa rumus perhitungan Cosine Similarity dapat menghasilkan rekomendasi yang lebih baik dari Euclidean Distance.

Published
2023-01-11
Section
Articles
Abstract Views: 305
PDF Downloads: 498