Prediksi Rating Film Menggunakan Bayesian Regressor dan Gradient Boosting Regressor

Abstract

Salah satu fitur yang cukup banyak dikembangkan untuk aplikasi adalah fitur penilaian pengguna. Informasi tentang peringkat pengguna ini dapat digunakan untuk  memberikan rekomendasi terbaik tentang hal menarik bagi
pengguna lainnya. Sebagai contoh, layanan untuk penjualan film, fitur ini dapat digunakan untuk memberikan rekomendasi yang sesuai dengan peringkat pengguna dan mendorong peningkatan penjualan. Adapun tahapan penelitian adalah Data Preprocessing, Feature Engineering, Modelling dan Evaluation. Penelitian ini menggunakan metode yaitu Bayesian Regressor dan Gradient Boosting Regressor untuk memprediksi movie rating. Penelitian ini
menggunakan TMDB 5000 Movie Dataset yang terdiri dari kurang lebih 4800 data. Sebagai hasilnya, Gradient Boosting Regressor memiliki hasil yang lebih baik dibandingkan Bayesian Ridge Regressor. Gradient Boosting Regressor memiliki nilai R^2 score sebesar 0.843.