Dalam website e-commerce banyak produk atau jasa yang ditawarkan kepada user dan cukup membuat user kebingungan untuk memilih produk atau jasa apa yang akan mereka gunakan. Tetapi seiring berkembangnya pengetahuan dan teknologi, maka ditemukan suatu cara untuk membantu user mempersempit information overloads ini, yaitu dengan menggunakan recommender system. Tujuan penelitian adalah mengimplementasikan algoritma New Heuristic Similarity Model (NHSM) pada web based recommender system berbasis memory based collaborative filtering dan mengukur keakuratan prediksi menggunakan Mean Absolute Error. Metode pengujian menggunakan empat jenis skenario yaitu skenario perhitungan prediction score, perhitungan similarity, pengujian sparse dataset dan dense dataset. Keempat skenario tersebut diuji dengan menggunakan tiga dataset yaitu MovieLens, Jester Joke dan Yahoo Movie. Hasil penelitian menunjukkan bahwa algoritma NHSM dapat diterapkan pada web based recommender system dan keakuratan prediksi semakin baik jika dataset terisi rating penuh (dense dataset) serta hasil similarity mendekati satu.

Kata Kunci: Recommender System, New Heuristic Similarity Model (NHSM), Memory Based Collaborative Filtering, Mean Absolute Error.