ABSTRAK Nama : Joseph Jovito Program Studi : Ilmu Komputer Judul : Implementasi collaborative filtering pada data implisit dengan mengoptimisasi mean average precision Sistem rekomendasi merupakan suatu sistem yang dapat memprediksi penilaian atau preferensi seorang user terhadap suatu item. Sistem rekomendasi menggunakan berbagai teknik machine learning salah satunya collaborative filtering. Pendekatan ini tidak membutuhkan fitur dari user maupun item. Pendekatan ini membutuhkan data berupa preferensi historik user terhadap sekumpulan item. Pendekatan ini menggunakan kombinasi kemiripan user dan item untuk menyediakan suatu rekomendasi. Sistem ini akan merekomendasikan suatu item kepada suatu user bedasarkan ketertarikan seorang user lain terhadap suatu item . collaborative filtering standar berfokus pada data eksplisit yang merupakan data preferensi user terhadap item yang dapat berupa umpan balik atau rating. Oleh karena itu, penelitian ini akan berfokus pada collaborative filtering menggunakan data implisit. Perbedaan antara data eksplisit dan implisit adalah pada data eksplisit user memberikan nilai rating berupa angka kepada item yang merupakan skala ketertarikan user terhadap item, tetapi pada data implisit user hanya memberikan umpan balik implisit seperti memakai suatu item, mengklik suatu halaman item ataupun membeli suatu item. Metode collaborative filtering yang paling umum adalah metode matriks faktorisasi . Metode ini menggunakan optimisasi gradient descent untuk meminimalkan fungsi objektif yang meminimalkan eror prediksi terhadap dataset. Fungsi objektif yang biasa digunakan pada data eksplisit adalah RMSE. Namun demikian, fungsi objektif ini tidak bisa diaplikasikan ke data implisit. Oleh karena itu, penelitian ini akan mengimplementasikan algoritma faktorisasi matriks menggunakan fungsi objektif mean average precision (MAP) agar algoritma faktorisasi matriks dapat digunakan pada data implisit. Penelitian ini akan mengukur performa algoritma faktorisasi matriks MAP ini pada data implisit dan membandingkannya dengan algoritma faktorisasi matriks pada data eksplisit. Kata kunci: collaborative filtering, data implisit, faktorisasi matriks, mean average precision