Industri anime mengalami pertumbuhan pesat dalam beberapa tahun terakhir, didorong oleh popularitas platform streaming dan konten yang berlimpah. Dengan banyaknya judul anime yang tersedia, penonton sering kali kesulitan menemukan konten baru yang sesuai dengan selera mereka [1]. Di sinilah sistem rekomendasi anime berperan, memberikan saran personal berdasarkan preferensi pengguna dan karakteristik konten.

Ada beberapa alasan mengapa sistem rekomendasi sangat penting bagi industri anime:

• Menavigasi Konten yang Beragam: Pertumbuhan anime yang eksponensial dapat membuat penonton kewalahan dan kesulitan menemukan konten yang sesuai dengan minat mereka. Sistem rekomendasi membantu pengguna menemukan konten yang relevan dengan minat mereka.
• Meningkatkan Kepuasan Pengguna: Rekomendasi yang dipersonalisasi membantu pengguna menemukan konten yang mereka sukai, meningkatkan kepuasan dan keterlibatan dengan platform.
• Mempertahankan Pengguna: Sistem rekomendasi membantu platform mempertahankan pengguna dengan terus menyediakan konten sesuai preferensi mereka, mengurangi kemungkinan berpindah ke platform lain.

Penelitian sebelumnya pada sistem rekomendasi anime telah mengeksplorasi berbagai pendekatan dan teknik untuk meningkatkan akurasi dan efektivitas rekomendasi. Beberapa bidang penelitian utama yang telah dipelajari meliputi:

• Collaborative Filtering: Pendekatan ini melibatkan analisis perilaku pengguna yang serupa untuk memberikan rekomendasi. Pendekatan ini terbukti efektif dalam memberikan rekomendasi berdasarkan kesamaan minat di antara para pengguna [2].
• Content-Based Filtering: Metode ini berfokus pada karakteristik konten itu sendiri, seperti genre, sutradara, atau pengisi suara, untuk memberikan rekomendasi. Metode ini memungkinkan rekomendasi yang dipersonalisasi berdasarkan preferensi spesifik pengguna [2].

Singkatnya, pertumbuhan industri anime dan banyaknya konten yang tersedia mengharuskan penggunaan sistem rekomendasi untuk membantu penonton menemukan dan menikmati konten yang sesuai dengan preferensi mereka. Penelitian yang ada telah mengeksplorasi berbagai pendekatan dan teknik untuk meningkatkan efektivitas sistem ini, dengan fokus pada collaborative filtering dan content-based filtering.

Berdasarkan pemahaman atas project overview yang telah diuraikan sebelumnya, berikut adalah problem statements yang teridentifikasi:

1. Bagaimana membangun sistem rekomendasi anime yang efektif untuk membantu pengguna menemukan konten yang sesuai dengan informasi anime yang tersedia?
2. Bagaimana membangun sistem rekomendasi anime yang dapat memberikan rekomendasi berdasarkan kesamaan minat di antara pengguna?

Berdasarkan problem statements yang telah diidentifikasi sebelumnya, berikut adalah beberapa goals dari proyek ini:

1. Mengembangkan sistem rekomendasi anime berdasarkan kesamaan informasi anime yang tersedia.
2. Mengembangkan sistem rekomendasi anime berdasarkan kesamaan penilaian anime yang diberikan oleh pengguna.

Berdasarkan goals di atas, maka diperoleh beberapa solution statement untuk menyelesaikan masalah tersebut, yaitu:

1. Membuat sistem rekomendasi dengan teknik Content-Based Filtering berdasarkan informasi anime.
2. Membuat sistem rekomendasi dengan teknik Collaborative Filtering berdasarkan penilaian anime yang diberikan oleh pengguna.

Datasets yang digunakan dalam proyek ini adalah datasets yang berasal dari data preferensi pengguna terhadap anime dan data informasi anime dari situs web MyAnimeList (Sumber datasets: Anime Recommendations Database). Dataset ini terdiri dari dua tabel yaitu anime.csv dan rating.csv.

Berikut adalah fitur-fitur pada tabel anime.csv:

• anime_id: ID unik untuk setiap anime pada situs web MyAnimeList.
• name: Judul anime.
• genre: Genre anime yang dipisahkan oleh koma.
• type: Type anime, seperti TV, Movie, OVA, dll.
• episodes: Jumlah episode anime.
• rating: Rata-rata rating anime (skala 1-10).
• members: Jumlah anggota yang tergabung dalam grup anime.

Kemudian, berikut adalah fitur-fitur pada tabel rating.csv:

• user_id: ID unik untuk pengguna.
• anime_id: ID unik untuk setiap anime pada situs web MyAnimeList.
• rating: Rating yang diberikan oleh pengguna pada anime tertentu dalam skala 1-10 (-1 jika pengguna tidak memberikan rating).

Pada tabel anime.csv, terdapat 12.064 baris data dan 7 kolom. Berikut adalah deskriptif statistik untuk tabel ini:

Tabel 1. Deskriptif statistik tabel anime.csv

Tabel 2. Statistik deskriptif untuk kolom kategorikal pada tabel anime.csv

Dari tabel di atas, dapat dilihat bahwa kolom episodes seharusnya adalah kolom numerik, namun memiliki tipe data string. Sehingga, perlu pengecekan lebih lanjut terhadap kolom tersebut. Selain itu juga dilakukan pengecekan missing values dan duplicate values pada tabel anime.csv. Berikut adalah hasil pengecekan tersebut:

• Terdapat missing value pada kolom rating, sehingga perlu dilakukan missing value handling
  • Dalam hal ini langsung dilakukan penghapusan data, karena data yang memiliki nilai tersebut sangat sedikit
• Tidak ada data duplikat pada tabel ini

Pada tabel rating.csv, terdapat 7.813.730 baris data dan 3 kolom. Berikut adalah deskriptif statistik untuk tabel ini:

Dari tabel di atas, terlihat bahwa kolom rating memiliki nilai minimum -1, yang seharusnya nilai minimal dari rating adalah 1. Sehingga, perlu dilakukan pengecekan lebih lanjut terhadap kolom tersebut. Selain itu juga dilakukan pengecekan missing values dan duplicate values pada tabel rating.csv. Berikut adalah hasil pengecekan tersebut:

• Tidak ada missing value pada tabel ini
• Terdapat data duplikat pada tabel ini, sehingga data tersebut perlu dihapus

Gambar 1. Distribusi rata-rata rating dan user rating

Gambar 2. Distribusi kategori anime berdasarkan type

Gambar 3. Wordcloud genre anime

Berikut adalah beberapa informasi yang dapat diambil dari hasil EDA:

• Fitur rating (rata-rata rating pada tabel anime.csv) memiliki distribusi normal.
• Terdapat outlier pada fitur user rating (tabel rating.csv) dimana terdapat data rating yang bernilai -1, sehinnga perlu dilakukan pembersihan pada data tersebut.
• Terdapat nilai Unknown pada jumlah episode anime, sehingga perlu dilakukan dilakukan handling data.
• Action, Comedy, dan Romance adalah genre anime yang paling banyak ditemui.

Berikut adalah tahapan data preparation yang dilakukan pada tabel anime.csv:

1. Penghapusan Data Tidak Valid:
   1. Data dengan missing value dihapus karena dapat menyebabkan bias dalam model.
   2. Data dengan duplicate value dihapus karena redundan dan dapat memengaruhi performa model.
   3. Nilai Unknown pada kolom episodes dihapus karena tidak valid dan dapat mengganggu proses modeling.
2. Normalisasi Data:
   1. Nilai pada kolom genre dibersihkan dari tanda koma dan diubah menjadi huruf kecil untuk konsistensi dan memudahkan pengolahan data.
   2. Kolom type diubah menjadi huruf kecil untuk konsistensi.
3. Encoding Data: Kolom episodes, rating, dan members di-encode untuk mengubah nilai numerik menjadi kategori baru. Hal ini membantu model mempelajari hubungan antar kategori dan meningkatkan akurasi prediksi.
   1. Kolom episodes diubah menjadi kategori berdasarkan jumlah episode (one episode sampai dengan never ending episode)
   2. Kolom rating diubah menjadi kategori berdasarkan nilai rating (very bad sampai dengan masterpiece)
   3. Kolom popularity diubah menjadi kategori berdasarkan jumlah members (unpopular sampai dengan legendary)
4. Penggabungan Kolom: Kolom genre, type, hasil encode episodes, rating, dan members digabungkan menjadi satu kolom baru untuk mempermudah proses modeling.
5. Penataan Data: Kolom anime_id di-reindex untuk menjadikannya sebagai index utama pada tabel. Hal ini mempermudah akses data, meningkatkan performa query, dan memastikan keunikan setiap baris data.

Berikut adalah tahapan data preparation yang dilakukan pada tabel rating.csv:

1. Penghapusan Data Tidak Valid:
   1. Data dengan nilai rating -1 dihapus karena tidak valid dan dapat mengganggu proses modeling.
   2. Data dengan duplicate value dihapus karena redundan dan dapat memengaruhi performa model.
2. Limitasi Data: Data dibatasi hanya untuk pengguna yang telah melakukan minimal 500 rating. Hal ini dilakukan untuk memastikan keakuratan rekomendasi dan mengurangi komputasi yang berlebihan. Pengguna dengan rating minimal 500 diasumsikan memiliki preferensi yang lebih jelas dan datanya lebih reliable untuk membangun model.
3. Merge Data: Tabel rating.csv di-merge dengan tabel anime.csv berdasarkan kolom anime_id untuk menggabungkan informasi rating dan informasi anime menjadi satu tabel. Penggabungan ini bertujuan agar informasi anime dapat dilihat bersamaan dengan rating yang diberikan oleh pengguna.
4. Penataan Data dengan Pivot Table: Tabel hasil merge diubah menjadi pivot table dengan indeks anime_name dan kolom user_id. Hal ini memudahkan proses modeling dan memastikan keunikan setiap baris data. Pivot table meringkas data rating untuk setiap kombinasi anime_name dan user_id, yang menjadi input model untuk menghasilkan rekomendasi.

Content-based filtering merupakan teknik yang digunakan dalam sistem rekomendasi untuk menganalisis karakteristik atau atribut item (dalam hal ini, anime) dan memberikan rekomendasi berdasarkan kesamaan karakteristik tersebut. Pendekatan ini sangat berguna ketika data pengguna yang tersedia terbatas, atau ketika terdapat item baru yang dimasukkan ke dalam sistem.

Salah satu metode yang umum digunakan dalam content-based filtering untuk sistem rekomendasi anime adalah kombinasi dari TF-IDF (Term Frequency-Inverse Document Frequency) dan cosine similarity.

TF-IDF adalah sebuah ukuran statistik yang mengevaluasi pentingnya sebuah kata atau term dalam sebuah dokumen atau korpus. Ukuran ini mempertimbangkan frekuensi term dalam dokumen tertentu (Term Frequency, TF) dan kebalikan dari jumlah dokumen yang mengandung term tersebut (Inverse Document Frequency, IDF).

Dalam konteks sistem rekomendasi anime di proyek ini, "dokumen" dapat berupa gabungan dari beberapa variabel, seperti genre, type, episodes, rating, dan members yang terkait dengan setiap judul anime. Skor TF-IDF dihitung untuk setiap term dalam deskripsi anime, sehingga sistem dapat mengidentifikasi term yang paling relevan dan diskriminatif untuk anime tertentu.

Berikut adalah rumus untuk menghitung skor TF-IDF:

$$ \text{TF-IDF}(t, d, D) = \text{TF}(t, d) \times \text{IDF}(t, D) $$

Dimana:

• $\text{TF}(t, d)$ adalah frekuensi kemunculan term $t$ dalam dokumen $d$.
• $\text{IDF}(t, D)$ adalah kebalikan dari jumlah dokumen dalam korpus $D$ yang mengandung term $t$.

Kemudian rumus untuk menghitung skor IDF adalah sebagai berikut:

$$ \text{IDF}(t, D) = \log\left(\frac{N}{DF(t, D)}\right) $$

Dimana:

• $N$ adalah jumlah total dokumen dalam korpus $D$.
• $DF(t, D)$ adalah jumlah dokumen dalam korpus $D$ yang mengandung term $t$.

Cosine similarity adalah metrik yang digunakan untuk mengukur kemiripan antara dua vektor yang bukan nol. Dalam konteks pemfilteran berbasis konten, setiap anime dapat direpresentasikan sebagai sebuah vektor, di mana setiap dimensi berhubungan dengan sebuah term (misalnya, genre, nama karakter, kata kunci plot) dan nilai dalam dimensi tersebut adalah nilai TF-IDF untuk term tersebut.

Untuk merekomendasikan judul anime kepada pengguna, sistem menghitung cosine similarity antara vektor yang mewakili preferensi pengguna (berdasarkan anime yang telah mereka tonton atau nilai) dan vektor yang mewakili setiap anime dalam database. Nilai cosine similarity berkisar dari 0 (sama sekali tidak berbeda) hingga 1 (vektor yang identik).

Sistem rekomendasi kemudian mengurutkan judul-judul anime berdasarkan nilai cosine similarity dengan vektor preferensi pengguna. Anime dengan nilai cosine similarity yang lebih tinggi dianggap lebih relevan dan direkomendasikan kepada pengguna.

Berikut adalah rumus untuk menghitung cosine similarity antara dua vektor $A$ dan $B$:

$$ \text{Cosine Similarity} = \frac{\mathbf{A} \cdot \mathbf{B}}{|\mathbf{A}| |\mathbf{B}|} = \frac{\sum_{i=1}^{n} A_i B_i}{\sqrt{\sum_{i=1}^{n} A_i^2} \sqrt{\sum_{i=1}^{n} B_i^2}} $$

Dimana:

• $\mathbf{A} \cdot \mathbf{B}$ adalah hasil perkalian titik antara vektor $A$ dan $B$.
• $|\mathbf{A}|$ dan $|\mathbf{B}|$ adalah norma dari vektor $A$ dan $B$.

Kelebihan dari content-based filtering adalah:

• Efektif menangani item baru, termasuk judul anime baru yang belum pernah dinilai/ditonton pengguna.
• Mengurangi masalah cold-start, bahkan dengan data pengguna yang terbatas.
• Memberikan penjelasan untuk rekomendasinya berdasarkan fitur konten.

Sedangkan, kekurangan dari content-based filtering adalah:

• Skalabilitas terbatas, bisa mahal secara komputasi untuk kumpulan data besar.
• Penanganan preferensi pengguna yang terbatas, tidak selalu bisa menangkap nuansa perubahan preferensi dan pengaruh sosial.

Berikut adalah contoh hasil rekomendasi anime berdasarkan content-based filtering untuk anime berjudul "Log Horizon":

Tabel 3. Hasil rekomendasi Top 5 anime berdasarkan content-based filtering

Collaborative filtering biasanya digunakan oleh sistem rekomendasi untuk memberikan rekomendasi yang dipersonalisasi berdasarkan perilaku pengguna sebelumnya dan preferensi mereka. Memory-based collaborative filtering menggunakan data historis pengguna untuk menghasilkan rekomendasi, dan terbagi menjadi dua jenis: user-based dan item-based.

Pada proyek ini, akan digunakan item-based collaborative filtering untuk memberikan rekomendasi anime berdasarkan kesamaan penilaian anime yang diberikan oleh pengguna. Teknik ini menghitung kesamaan antara item (anime) berdasarkan penilaian yang diberikan oleh pengguna, dan memberikan rekomendasi berdasarkan kesamaan tersebut. Alasan penggunaan item-based collaborative filtering adalah karena biasanya lebih efisien dan lebih stabil daripada user-based collaborative filtering.

Metode yang akan digunakan dalam item-based collaborative filtering adalah nearest neighbor dengan menggunakan cosine distance sebagai metrik kesamaan. Metode ini menghitung kesamaan antara item berdasarkan penilaian yang diberikan oleh pengguna, dan memberikan rekomendasi berdasarkan kesamaan tersebut.

Nearest neighbor adalah metode yang digunakan untuk mengidentifikasi item yang paling mirip dengan item yang diberikan. Dalam konteks sistem rekomendasi, metode ini digunakan untuk mengidentifikasi anime yang paling mirip dengan anime yang telah dinilai oleh pengguna, dan memberikan rekomendasi berdasarkan kesamaan tersebut.

Cosine distance adalah metrik yang digunakan untuk mengukur jarak antara dua vektor berdasarkan sudut antara vektor tersebut. Dalam konteks item-based collaborative filtering, setiap anime dapat direpresentasikan sebagai sebuah vektor, di mana setiap dimensi berhubungan dengan penilaian yang diberikan oleh pengguna. Metode ini menghitung kesamaan antara anime berdasarkan penilaian yang diberikan oleh pengguna, dan memberikan rekomendasi berdasarkan kesamaan tersebut. Semakin kecil nilai cosine distance, semakin mirip kedua anime tersebut.

Berikut adalah rumus untuk menghitung cosine distance antara dua vektor $A$ dan $B$:

$$ \text{Cosine Distance} = 1 - \text{Cosine Similarity} = 1 - \frac{\mathbf{A} \cdot \mathbf{B}}{|\mathbf{A}| |\mathbf{B}|} $$

Kelebihan dari collaborative filtering adalah:

• Memberikan rekomendasi yang sangat akurat karena didasarkan pada preferensi dan perilaku nyata pengguna yang serupa.
• Sistem memanfaatkan umpan balik implisit, seperti riwayat penelusuran dan pembelian, untuk membuat rekomendasi.

Sedangkan, kekurangan dari collaborative filtering adalah:

• Sistem ini dapat mengalami cold-start problem, di mana sulit untuk membuat rekomendasi untuk pengguna atau item baru.
• Sistem ini mahal secara komputasi dan tidak skalabel untuk data besar karena memerlukan perbandingan semua pengguna/item satu sama lain.

Berikut adalah contoh hasil rekomendasi anime berdasarkan collaborative filtering untuk anime berjudul "Log Horizon":

Table 4. Hasil rekomendasi Top 5 anime berdasarkan collaborative filtering

Evaluation metrics yang digunakan untuk mengevaluasi performa dari kedua model rekomendasi adalah precision dan normalized discounted cumulative gain (NDCG). Precision mengukur proporsi item yang relevan yang diidentifikasi oleh model, sedangkan NDCG mengukur kualitas rekomendasi berdasarkan urutan rekomendasi. Penggunaan kedua metrik ini memberikan informasi yang berguna tentang kualitas rekomendasi yang diberikan oleh model.

Precision penting karena menunjukkan seberapa akurat model dalam merekomendasikan item yang relevan kepada pengguna. NDCG penting karena menunjukkan seberapa baik model dalam merekomendasikan item yang paling relevan di peringkat teratas. Sehingga, kedua metrik ini memberikan informasi yang berguna tentang kualitas rekomendasi yang diberikan oleh model.

Precision adalah rasio antara jumlah item relevan yang diidentifikasi oleh model dan jumlah item yang diidentifikasi oleh model [3]. Precision berkisar dari 0 hingga 1, di mana nilai yang lebih tinggi menunjukkan performa yang lebih baik. Penentuan item yang relevan dilakukan secara subjektif berdasarkan preferensi pengguna, karena tidak ada definisi yang baku untuk item yang relevan. Berikut adalah rumus untuk menghitung precision:

$$ \text{Precision} = \frac{\text{jumlah item relevan yang diidentifikasi}}{\text{jumlah item yang diidentifikasi}} $$

Normalized discounted cumulative gain (NDCG) adalah metrik yang digunakan untuk mengukur kualitas rekomendasi berdasarkan urutan rekomendasi [4]. NDCG berkisar dari 0 hingga 1, di mana nilai yang lebih tinggi menunjukkan kualitas rekomendasi yang lebih baik. NDCG memperhitungkan relevansi item dan urutan rekomendasi, sehingga memberikan informasi yang lebih berguna tentang kualitas rekomendasi. Berikut adalah rumus untuk menghitung NDCG:

$$ \text{NDCG} = \frac{DCG}{IDCG} $$ $$ \text{DCG} = \sum_{i=1}^{n} \frac{rel_i}{\log_2(i+1)} $$

Dimana:

• $rel_i$ adalah relevansi item pada peringkat ke-$i$.
• $IDCG$ adalah ideal discounted cumulative gain, yaitu DCG yang dihitung dengan asumsi bahwa item yang paling relevan muncul terlebih dahulu.
• $n$ adalah jumlah item yang direkomendasikan.

Berdasarkan hasil rekomendasi sebelumnya, diberikan nilai relevansi untuk setiap item yang direkomendasikan. Berikut adalah hasil evaluasi precision dan NDCG untuk model content-based filtering:

Tabel 5. Penilaian relevansi untuk setiap item pada model content-based filtering

Dari skor relevansi diatas, didapatkan nilai precision sebesar 0.8 dan NDCG sebesar 0.98. Hal ini menunjukkan bahwa model content-based filtering memberikan rekomendasi yang cukup akurat dan berkualitas.

Berdasarkan hasil rekomendasi sebelumnya, diberikan nilai relevansi untuk setiap item yang direkomendasikan. Berikut adalah hasil evaluasi precision dan NDCG untuk model collaborative filtering:

Tabel 6. Penilaian relevansi untuk setiap item pada model collaborative filtering

Dari skor relevansi diatas, didapatkan nilai precision sebesar 0.6 dan NDCG sebesar 0.99. Hal ini menunjukkan bahwa model collaborative filtering memberikan rekomendasi yang cukup akurat dan berkualitas.

Berdasarkan hasil evaluasi, kedua model rekomendasi menunjukkan tingkat akurasi dan kualitas yang memadai. Model content-based filtering memberikan hasil yang lebih baik dalam precision, sementara model collaborative filtering lebih unggul dalam NDCG.

Model content-based filtering cocok untuk pengguna yang menginginkan rekomendasi dengan banyak item relevan, sementara model collaborative filtering cocok untuk pengguna yang menginginkan rekomendasi dengan urutan yang optimal. Ini menunjukkan bahwa kedua model memiliki kelebihan dan kekurangan masing-masing, dan dapat digunakan sesuai dengan preferensi pengguna.

Untuk pengembangan di masa depan, perlu dilakukan evaluasi lebih lanjut dengan melibatkan lebih banyak pengguna untuk memperoleh hasil yang lebih akurat dan berkualitas. Selain itu, untuk meningkatkan performa model, eksperimen dapat dilakukan dengan menggunakan teknik-teknik lain seperti model-based collaborative filtering dan hybrid recommendation system.

[1] S. K. Raghuwanshi dan R. K. Pateriya, “Collaborative Filtering Techniques in Recommendation Systems,” dalam Data, Engineering and Applications, R. K. Shukla, J. Agrawal, S. Sharma, dan G. Singh Tomer, Ed., Singapore: Springer Singapore, 2019, hlm. 11–21. doi: 10.1007/978-981-13-6347-4_2.

[2] H. D. Putri dan M. Faisal, “Analyzing the Effectiveness of Collaborative Filtering and Content-Based Filtering Methods in Anime Recommendation Systems,” JKKI, vol. 7, no. 2, hlm. 124–133, Nov 2023, doi: 10.31603/komtika.v7i2.9219.

[3] S. Pudumalar, E. Ramanujam, R. H. Rajashree, C. Kavya, T. Kiruthika, dan J. Nisha, “Crop recommendation system for precision agriculture,” dalam 2016 Eighth International Conference on Advanced Computing (ICoAC), Chennai, India: IEEE, Jan 2017, hlm. 32–36. doi: 10.1109/ICoAC.2017.7951740.

[4] D. Li, R. Jin, Z. Liu, B. Ren, J. Gao, dan Z. Liu, “On Item-Sampling Evaluation for Recommender System,” ACM Trans. Recomm. Syst., vol. 2, no. 1, hlm. 1–36, Mar 2024, doi: 10.1145/3629171.