Sistem Rekomendasi dengan Item-based clustering Hybrid Method (ICHM)

ICHM adalah metode hibrid yang merupakan gabungan dari content-based filtering dan colaborative filtering yang digunakan untuk memberikan rekomendasipada penjualan online (Li dan Qim, 2003). Metode ini mampu memberikan rekomendasi terhadap item yang belum pernah diberikan rating sama sekali. Berikut ini adalah tahapan-tahapan ICHM :

1.      Implementasikan algoritma clustering pada konten item. Algoritma cluster digunakan pada tahap ini untuk menentukan sejumlah cluster nantinya.Selanjutnya buat matriks group-rating dengan menghitung peluang tiap item ke tiap cluster berdasarkan persamaan berikut :

2.    Hitung similarity untuk matrik group-rating dan item-rating. Perhitungan group-rating similarity dilakukan dengan menggunakan adjusted cosine similarity, sedangkan item-rating similiraty dilakukan denganpearson correlation-based. Kedua persamaan tersebut sebagai berikut :

a.         Pearson correlation-based similarity

b.         Adjusted cosine similarity

3.   Hasil perhitungan similarity untuk matrik group-rating dan item-ratingkemudian digabungkan menggunakan kombinasi ICHM sebagai berikut :

4.     Hitung prediksi untuk suatu item. Perhitungan prediksi dilakukan dengan dua pendekatan yaitu item yang sudah pernah dirating user lain (no cold-start problem) dan kasus item yang belum dirating sama sekali (cold-start problem).

a)         Non Cold-start Problem, berikut persamaan yang digunakan :

b)         Cold-start Problem, berikut persamaan yang digunakan :

Untuk contoh perhitungan akan disertakan dalam bentuk file Ms. Excell. Silahkan Download File Perhitungan ICHM Disini.