Implementasi Content-based Filtering dan K-Medoids Clustering pada Aplikasi Layanan Penyedia Informasi Hobi

Abstract

Hobi merupakan suatu hal yang merepresentasikan kesukaan individu berdasarkan aktivitas yang sering dilakukannya. Sangat minimnya informasi mengenai hobi seperti event, tempat, komunitas dan berita yang berkaitan dengan hobi pengguna menjadi kendala bagi setiap individu dalam mengembangkan hobi yang dimilikinya. Oleh sebab itu, dalam penelitian ini dibuat sebuah aplikasi yang dapat merekomendasikan informasi sesuai dengan hobi pengguna dengan menggunakan algoritma content-based filtering dan dikelompokkan berdasarkan urutan rating sebagai konten teratas yang direkomendasikan dengan menggunakan algoritma k-medoids clustering. Hasil pengujian sistem perangkat lunak yang sudah dilakukan untuk menguji fungsional sistem yang digambarkan dalam tabel skenario pengujian dengan menggunakan metode blackbox testing. Maka hasil kesimpulan yang bisa di dapat dari hasil pengujian bahwa fungsional sistem pada aplikasi berjalan sesuai dengan yang diharapkan. Pengujian hasil rekomendasi menunjukkan bahwa nilai error yang didapatkan melalui perhitungan keseluruhan rata-rata hasil akhir Mean Absolute Error (MAE) pada implementasi algoritma content-based filtering dan k-medoids clustering dalam sistem rekomendasi relatif rendah dengan hasil akhir yaitu 0.19233894129602 pada rentang 0-1 yang berarti hasil rekomendasi menunjukkan keakuratan yang baik.