Dalam perkembangan teknologi digital saat ini, informasi menjadi bagian penting pada aktivitas manusia sehari-hari. Keberadaan informasi digital menjadi sangat massive, sehingga akhirnya manusia membutuhkan bantuan untuk mendapatkan informasi yang benar-benar bermanfaat dan sesuai kebutuhan. Sistem rekomendasi (recommender system) adalah suatu sistem yang dapat merekomendasikan hal yang sesuai dengan apa yang diinginkan dan dibutuhkan oleh seseorang. Salah satu sistem yang menjanjikan untuk hal ini yaitu Movie Recommender System. Sejumlah aplikasi layanan online di dunia seperti Netflix dan Youtube juga memanfaatkan sistem ini. System rekomendasi film memberikan informasi film yang relevan sesuai dengan preferensi pengguna. Terdapat dua cara untuk menggali informasi pada system rekomendasi yaitu dengan implisit dan eksplisit. Cara Implisit yaitu dengan menggunakan informasi dari kebiasaan pengguna seperti aplikasi yang pernah di unduh, riwayat pembelian, atau riwayat film yang pernah ditonton. Sedangkan, cara eksplisit dilakukan dengan mengumpulkan informasi dari pengguna yang telah memberikan penilaian atau rating pada sebuah judul film.
Metode pada system rekomendasi terbagi menjadi empat yaitu, collaborative filtering, content based filtering, knowledge based filtering dan hybrid filtering. Secara umum, content based filtering merupakan sistem yang merekomendasikan kepada pengguna terhadap kriteria atau jenis apa saja yang sudah disukai oleh pengguna. Collaborative filtering akan merekomendasikan berdasarkan hasil kolaborasi antar pengguna. Knowledge based filtering merupakan sistem yang mampu memanfaatkan pengetahuan terkait informasi tambahan atau jejaring sosial untuk memperoleh kesamaan item berdasarkan atribut. Sedangkan hybrid filtering mengkombinasikan antara content based filtering dengan collaborative filtering, atau dengan knowledge based filtering. Penelitian ini melakukan Systematic Literature Review (SLR)untuk membandingkan dan memberikan ulasan pada penelitian-penelitian sistem rekomendasi film pada layanan film streaming, khususnya yang menggunakan dataset dari MovieLens.
Tahapan SLR yang digunakan yaitu, planning, conducting dan reporting. Tahap planning meliputi identifikasi kebutuhan, pengembangan protokol, dan evaluasi protokol. Pencarian dan pemilihan data, ekstraksi data, penilaian kualitas data, dan sintesis data, masuk pada tahap conducting. Tahap reporting dilakukan dengan menyusun laporan dan menyimpulkan hasil penemuan penelitian. Hasil pencarian awal dengan kata kunci movie recommender system, content based filtering¸ collaborative filtering, knowledge based filtering, dan hybrid filtering, ditemukan 247 referensi, kemudian dilakukan pemfilteran berdasarkan kriteria inklusi dan eksklusi. Dimana inklusi pertama, yakni kriteria I1 yaitu kriteria referensi yang diambil berbentuk jurnal, konferensi, atau buku yang dipublikasikan dalam rentan tahun 2010-2020 dengan hasil pencarian yang bersumber dari Science Direct, Google Scholar, Springer, IEEE, dan Research Gate dan hasilnya didapatkan 115 jurnal lolos penyaringan. Kemudian dilakukan pemfilteran I2 yaitu pada abstrak jurnal referensi digambarkan metode pengklasifikasian dan algoritma yang digunakan dalam system, sehingga didapatkan 107 jurnal. Kemudian dilakukan filtering I3 yaitu referensi didapatkan dalam bentuk full text, didapatkan 105 jurnal. Langkah selanjutnya melakukan pemfilteran eksklusi, dengan kriteria menggunakan 100K dataset movielens dan terdapat tahapan evaluasi, didapatkan 21 jurnal sebagai obyek penelitian dengan rincian 13 berasal dari jurnal Q1, enam jurnal Q2, satu dari Q3 dan Q4.
Pada tahap conducting, dilakukan uji kelayakan dengan berdasarkan quality assestment (QA). Pertanyaan QA yang diajukan adalah apakah studi utama yang telah diambil sudah memenuhi persyaratan inklusi dan eksklusi (QA1), apakah studi utama yang diambil telah mencakup topik yang relevan (QA2), apakah kualitas atau validitas dari studi yang disertakan telah dinilai (QA3), dan apakah studi utama yang telah dipilih dapat menjelaskan dengan memadai (QA4). Tahap reporting, hasil dan penemuan penelitian menunjukkan bahwa sistem rekomendasi film digunakan untuk memudahkan pengguna dalam mencari film yang diinginkan ditengah makin bertambahnya film yang rilis setiap tahunnya. Sistem rekomendasi film banyak digunakan pada aplikasi streaming film berbasis online untuk membantu pengguna mengakses situs yang menyimpan ribuan database film. Sistem rekomendasi tidak mampu secara mutlak merekomendasikan film sesuai keinginan pengguna, namun tingkat keakurasian movie recommender system dapat di evaluasi untuk membangun sistem yang lebih baik.
Kesimpulan pada ulasan ini yaitu system rekomendasi film dibangun dengan metode collaborative filtering berbasis memory based, collaborative filtering berbasis model based, knowledge based filtering, dan hybrid filtering, namun tidak ada yang menggunakan metode content based filtering. Metode terbaik dalam membangun sistem rekomendasi filmdengan collaborative filtering berbasis model based banyak dikombinasikan dengan teknik data mining atau machine learning dengan memanfaatkan metode clustering, matrix factorization, dan regresi linier. Permasalahan yang ada terkait sistem rekomendasi film adalah data sparsity, cold start, dan scalability. Metode collaborative filtering berbasis model based mampu mengatasi permasalahan tersebut. Pada proses evaluasi sistem, digunakan perhitungan mean absolute error (MAE) dan root mean squared error (RMSE) untuk mengetahui seberapa efektif dan efisien sistem yang diusulkan. Berdasarkan studi utama yang telah terpilih, penerapan metode collaborative filtering berbasis model based relatifmampu menghasilkan MAE yang lebih rendah dibanding dengan metode yang lain.
Penulis: Endah Purwanti
Link Jurnal: https://pubs.aip.org/aip/acp/article/2554/1/040005/2868898/A-systematic-literature-review-of-movie
