Sistem Rekomendasi Artikel Ilmiah Berbasis Web Menggunakan Content-based Learning dan Collaborative Filtering

Abstract

Penelitian ini mengimplementasikan metode content-based learning dan collaborative filtering pada sistem rekomendasi artikel ilmiah berbasis web untuk merekomendasikan artikel ilmiah berbahasa Inggris. Sistem memiliki empat komponen, yaitu analisa konten, profile learner, komponen penyaringan, dan pengambilan dokumen. Content-based learning diimplementasikan pada komponen analisa konten yang bertugas mengidentifikasi masukan berupa artikel ilmiah berbahasa Inggris. Profile learner dilakukan untuk menghitung kemiripan antar pengguna setelah sistem mendapatkan feedback berupa rating dari pengguna. Collaborative filtering diimplementasikan pada komponen penyaringan yang bertugas untuk merekomendasikan artikel kepada pengguna setelah sistem mendapatkan hasil kemiripan antar pengguna.  Pengambilan dokumen dilakukan pada proses pengambilan artikel yang dicari oleh pengguna. Uji coba dilakukan pada 100 artikel ilmiah, 6 kelas kategori, serta melibatkan 35 pengguna. Hasil penelitian ini membuktikan bahwa implementasi metode content-based learning dan collaborative filtering pada sistem rekomendasi artikel ilmiah berbasis web mampu memberikan tingkat relevansi dan efektifitas sebesar 0.801 berdasarkan Mean Average Precision dan 0,851 berdasarkan Mean Absolute Error.