Prediksi Rating Film Menggunakan Bayesian Regressor dan Gradient Boosting Regressor

Abstract

Salah satu fitur yang cukup banyak dikembangkan untuk aplikasi adalah fiturpenilaian pengguna. Informasi tentang peringkat pengguna ini dapatdigunakan untuk memberikan rekomendasi terbaik tentang hal menarik bagipengguna lainnya. Sebagai contoh, layanan untuk penjualan film, fitur inidapat digunakan untuk memberikan rekomendasi yang sesuai denganperingkat pengguna dan mendorong peningkatan penjualan. Adapun tahapanpenelitian adalah Data Preprocessing, Feature Engineering, Modelling danEvaluation. Penelitian ini menggunakan metode yaitu Bayesian Regressor danGradient Boosting Regressor untuk memprediksi movie rating. Penelitian inimenggunakan TMDB 5000 Movie Dataset yang terdiri dari kurang lebih 4800data. Sebagai hasilnya, Gradient Boosting Regressor memiliki hasil yang lebihbaik dibandingkan Bayesian Ridge Regressor. Gradient Boosting Regressormemiliki nilai R^2 score sebesar 0.843.