Konsep Dasar Basis Data Database Management System DBMS
Rekomendasi non-personalized akan merekomendasikan item yang memiliki tingkat popularitas yang tinggi berdasarkan rating user lain atau
data transaksi. Contoh output dari teknik non-personalized misalnya “20-
most popular software”. b. Rekomendasi Demographic
Rekomendasi demographic memanfaatkan fitur atau atribut user. Teknik ini mencari user-user yang memiliki fituratribut yang mirip dan
merekomendasikan item yang disukai satu user kepada user lain yang fiturnya mirip.
c. Rekomendasi Content-Based Kebalikannya dengan rekomendasi demographic, rekomendasi content-
based memanfaatkan fitur dari item. Teknik ini akan mencari kemiripin dari setiap item. Jika user X memilih item A dan item A mirip dengan
item N, maka sistem akan merekomendasikan item N kepada user X. d. Rekomendasi User-Based Collaborative
Rekomendasi user-based collaborative memanfaatkan rating user atau data transaksi. Sistem mencari user-user yang memiliki korelasi yang
tinggi kemudian merekomendasikan item-item yang disukai oleh user- user itu. Misalnya user X menyukai item A, item B, dan item C
sementara user Y menyukai item B, item C dan item D. Maka sistem akan merekomendasikan item D pada user X dan item A pada user Y.
e. Rekomendasi Item-Based Collaborative Mirip seperti rekomendasi user-based collaborative, rekomendasi item-
based collaborative memanfaatkan rating user atau data transaksi. Yang membedakan adalah korelasi yang dicari. Rekomendasi item-based
collaborative mencari korelasi diantara item-item yang dipilih user kemudian merekomendasikan item-item yang berkolerasi itu pada user
yang lain.