Prediksi Rating Film Menggunakan Bayesian Regressor dan Gradient Boosting Regressor

Abstrak

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.