Recommender System banyak digunakan dengan tujuan memberikan rekomendasi item atau informasi yang dibutuhkan. Pada penelitian ini rekomendasi item dilakukan dengan cara memprediksi rating yang diberikan user terhadap suatu film. Dengan demikian untuk dapat memberikan rekomendasi film dibutuhkan rating dari user terhadap suatu film. Terdapat beberapa kelemahan pada Recommender System. Kelemahan yang ada yaitu jika terdapat user yang pertama kali memberikan rating maka akan kurang dipercaya dan jika user secara sembarangan memberikan rating. Kelemahan- kelemahan ini dapat mengurangi rasa percaya terhadap rating yang diberikan user pada film tersebut. Pendekatan yang dilakukan pada Tugas Akhir untuk mengatasi masalah diatas adalah mengembangkan aplikasi yang mampu memprediksi rating yang diberikan user terhadap suatu film. Aplikasi ini menerapkan metode Pure Collaborative Filtering dan Trust Aware Recommender System. Hasil uji coba menunjukkan bahwa Trust Aware Recommender System memberikan prediksi lebih tepat sebesar 8.96% dibandingkan dengan prediksi yang dihasilkan Pure Collaborative Filtering. Dengan demikian dapat dinyatakan Trust Aware Recommender System dapat mengatasi masalah dan dijadikan alternatif solusi untuk masalah Recommender System. Kata Kunci: Recommender System, Pure Collaborative Filtering, Trust Aware Recommender System.

Recommender System is widely used in order to provide the recommendation of item or information required. This study recommends the item by predicting the rating of a movie given by the user. Therefore rating from user given to a movie are required to provide recommendation of a movie. There are some weaknesses in Recommender System. For instance, a user gives the rating less credible and carelessly. These weaknesses may reduce the user’s confidence in giving the rating for a movie. To overcome the above problems the approach taken in the final project is to develop an application that is able to predict the rating given by the user for a movie. This application applies method Pure Collaborative Filtering and Trust Aware Recommender System. The results showed that the Trust Aware Recommender System provides prediction more precise of 8.96% compare to the predictions using Pure Collaborative Filtering. Therefore it can be expressed that Trust Aware Recommender System can solve the problem and be an alternative solution to the problem Recommender System. Keywords: Recommender System, Pure Collaborative Filtering, Trust Aware Recommender System.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-jonathanyo-6551