Sistem rekomendasi telah menjadi bagian lumrah dari aplikasi yang menunjang berbagai
aspek kehidupan sehari-hari banyak orang dengan memberikan penyajian informasi yang
sesuai dengan preferensi user dan mengatasi masalah information overload. Dalam
penerapannya, user seringkali hanya berinteraksi dengan sebagian kecil informasi dalam
sistem, sehingga menyebabkan terjadinya keadaan sparse pada matriks interaksi antara user
dan item. Keadaan sparse ini kemudian menyebabkan penurunan performa sistem
rekomendasi. Teknik rekomendasi cross-domain menjadi salah satu solusi untuk meringankan
dampak dari sparsity dengan melakukan transfer pengetahuan dari domain yang kaya
informasi ke domain yang kekurangan informasi. Dalam penelitian ini, penulis menerapkan
teknik rekomendasi cross-domain pada domain anime dan manga menggunakan dataset
MyAnimelist dan algoritma Matrix Factorization untuk prediksi rating. Domain anime dan
manga digunakan karena kedua domain memiliki kaitan erat dan mendukung skenario
rekomendasi cross-domain. Percobaan dilakukan dengan membandingkan skenario
single-domain dan cross-domain. Hasil menunjukkan bahwa sistem cross-domain memiliki
RMSE yang lebih kecil dibandingkan single-domain. Analisis sensitivitas menunjukkan
model cross-domain memiliki performa yang lebih baik dalam kondisi domain target yang
sparse.
Kata Kunci : Sistem Rekomendasi, Data Sparsity, Cross-domain Recommendation,
Matrix Factorization, Sensitivity Analysis