Pembangunan Knowledge Graph dan Sistem Rekomendasi Film dengan GP 2

Film, sebagai salah satu jenis hiburan yang banyak diminati, saat ini sudah berlimpah banyaknya. Setiap orang memiliki pendapat yang berbeda terhadap film-film tersebut. Sistem rekomendasi dapat dimanfaatkan untuk memberikan rekomendasi film yang terpersonalisasi untuk tiap orang, sehingga setiap orang dapat mudah memilih film yang akan mereka tonton. Saat ini sudah banyak sistem rekomendasi film yang digunakan. Metode yang digunakan pun bervariasi, seperti dengan sentiment analysis, collaborative filtering, atau dengan pembangunan knowledge graph. Namun, sistem rekomendasi film dengan knowledge graph yang sudah dilakukan sampai saat ini belum ada yang menggunakan GP 2. GP 2 adalah bahasa pemrograman yang mempunyai tingkat komputabilitas yang tinggi dan dapat divisualisasikan dengan mudah. Pada penelitian ini, sistem rekomendasi dibangun dengan GP 2. Secara umum, sistem yang dibangun memberi rekomendasi berdasarkan dua hal, yaitu kemiripan preferensi antar user dan nilai rata-rata suatu film. Dari empat skema rekomendasi yang dibangun, dua di antaranya memberikan akurasi terbaik, yaitu 71%. Namun, salah satunya membutuhkan waktu eksekusi yang jauh lebih singkat dari skema lainnya.

Keywords: knowledge graph, sistem rekomendasi, rekomendasi film, GP 2

Authors who publish in this journal agree to the following rules:

1. Authors retain copyright and give the journal the right of first publication, with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2. Authors may enter separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., posting it to an institutional repository or publishing it in a book), with attribution to the journal's initial publication.
3. Authors are permitted and recommended to post their work online (such as in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges as well as earlier and greater citation of published work.