Rahmawati, Putri and Putra Pandu Adikara, S.Kom., M.Kom. and Rizal Setya Perdana, S.Kom., M.Kom., Ph.D. (2024) Sistem Rekomendasi Film Berbasis Konten menggunakan Fitur Genre dan Word Embedding BERT. Sarjana thesis, Universitas Brawijaya.
Abstract
layanan streaming online. Semuanya berkompetisi untuk menyediakan film yang dapat menarik perhatian konsumen sehingga dalam setahun saja bisa terdapat ribuan film. Besarnya jumlah tersebut dapat menimbulkan information overload serta menghilangkan minat untuk menonton akibat usaha diperlukan untuk mencari dan memilih film yang menarik. Menghadapi permasalahan tersebut maka dibutuhkan suatu sistem yang dapat memudahkan konsumen dalam menemunkan film menarik tanpa perlu bersusah payah. Berdasarkan permasalahan tersebut penelitian ini mengusulkan sebuah sistem rekomendasi berbasis konten menggunakan fitur genre dan word embedding BERT untuk menghasilkan rekomendasi yang menarik. Dengan memanfaatkan model pretrained BERT yang dapat menghasilkan embedding yang kontekstual diharapkan dapat menangkap konteks dari sinopsis film dengan baik. Sementara itu, fitur genre digunakan untuk memastikan bahwa film rekomendasi masih berada dalam lingkup genre yang sama. Dengan memanfaatkan kemiripan antar fitur genre dan nilai embedding dari sinopsis film yang disukai oleh konsumen maka dapat ketahui film lain yang serupa. Evaluasi sistem dilakukan menggunakan metrik akurasi atau kepuasaan precision dan mean average precision. Berdasarkan hasil evaluasi diketahui bahwa sistem secara umum mampu merekomendasikan film dengan nilai mean average precision atau kepuasaan rata-rata adalah 0,53 dan bila dibandingkan dengan nilai precision maka diketahui bahwa 6 dari 10 penguji memiliki nilai precision atau kepuasan di atas rata-rata.
English Abstract
The global movie industry is experiencing substantial growth, encompassing both box movies and online streaming services. This surge in production results in intense competition among providers, leading to the release of thousands of movies annually. However, this abundance of content poses challenges, potentially causing information overload for consumers and diminishing their interest in watching due to the effort required to navigate and choose among the vast selection. Addressing these issues, this study proposes the implementation of a content-based recommendation system that leverages genre features and BERT word embedding to deliver compelling movie suggestions. By employing a pretrained BERT model capable of generating contextual embeddings, the system aims to capture the essence of movie synopses effectively. Simultaneously, genre features are utilized to ensure that recommended movies align with the viewer's preferred genre. By assessing the similarity between genre features and the embedding values of consumer-preferred movie synopses, the system identifies other similar movies. Evaluation of the system's performance is conducted using metrics such as accuracy or precision and mean average precision. The results indicate that the system generally achieves a mean average precision or average satisfaction value of 0.53. Furthermore, in terms of precision, it is noteworthy that 6 out of 10 testers exhibit precision or satisfaction values above the average.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0524150206 |
| Uncontrolled Keywords: | Sistem Rekomendasi, Content-based filtering, Film, Word Embedding.Recommendation System, Content-based Filtering, Film, Word Embedding |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 02 Apr 2024 01:28 |
| Last Modified: | 02 Apr 2024 01:28 |
| URI: | http://repository.ub.ac.id/id/eprint/216242 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Putri Rahmawati.pdf Restricted to Registered users only Download (3MB) |
Actions (login required)
 |
View Item |