Sistem Rekomendasi Drama Korea Berdasarkan Prediksi Rating dan Kemiripan Sinopsis Menggunakan Singular Value Decomposition dan Term Frequesncy - Inverse Document Frequency

Abstract

Pengaruh budaya Korea semakin menyebar luas di Indonesia, menyebabkan banyak drama korea baru dirilis. Hal ini membuat pecinta drama korea bingung dalam memilih drama korea yang ingin mereka tonton. Sehingga dibutuhkan sistem rekomendasi drama korea berdasarkan prediksi rating dan kemiripan sinopsis. Pecinta drama korea mayoritas memilih drama korea yang populer, dan rating menjadi salah satu pengaruh sebuah drama korea dikatakan populer. Atribut sinopsis untuk memudahkan pecinta drama korea mengetahui alur cerita drama korea. Singular Value Decomposition digunakan untuk membuat model prediksi rating. Term Frequency-Inverse Document Frequency digunakan untuk memberikan bobot kata pada sinopsis dan deskripsi singkat, kemudian dihitung kemiripannya dengan Cosine Similarity. Model prediksi rating dilatih dan diuji menggunakan lima skenario pembagian data (50:50, 60:40, 70:30, 80:20, 90:10), menghasilkan RMSE terendah pada skenario 90:10 sebesar 1.493423. Kemiripan sinopsis dicari dengan lima skenario deskripsi singkat yang berbeda, dan dihasilkan nilai kemiripan tertinggi yaitu 53%. Sistem rekomendasi yang dibuat bisa memberikan rekomendasi drama korea yang sesuai dan bisa diurutkan berdasarkan kemiripan sinopsis dan prediksi rating.