Pembangunan Knowledge Graph dan Sistem Rekomendasi Film dengan GP 2

Abstract

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.