SISTEM REKOMENDASI BUKU BERBAHASA INDONESIA DENGAN METODE WORD2VEC

Makruf, Faisal (2024) SISTEM REKOMENDASI BUKU BERBAHASA INDONESIA DENGAN METODE WORD2VEC. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (1MB)
[img] Text (BAB I)
BAB I.pdf
Download (183kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (373kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (193kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (839kB)
[img] Text (BAB V)
BAB V.pdf
Download (39kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (104kB)
[img] Archive (SOURCE CODE)
Sourcecode - 17.11.1659.zip
Restricted to Repository staff only
Download (458kB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (592kB)

Abstract

Dalam era digital ini, proses pemilihan bacaan yang sesuai dengan minat dan preferensi pembaca semakin kompleks. Untuk mengatasi masalah ini, dikembangkanlah sistem rekomendasi buku. Penelitian ini menggunakan pendekatan Content-based Filtering dengan dataset buku dari situs GoodReads dan memanfaatkan data pengguna dari media sosial Threads. Dalam pengujian kesamaan dokumen, sistem mampu menyajikan rekomendasi yang relevan berdasarkan deskripsi buku yang serupa. Hasil menunjukkan bahwa sebagian besar buku yang direkomendasikan memiliki genre yang serupa dan deskripsi yang mirip. Penggunaan data dari media sosial Threads juga membantu mengatasi masalah cold-start dengan membangun profil pengguna berdasarkan utas terakhir dari username tertentu, lalu diukur relevansinya dengan data buku. Sebelum menggunakan data dari Threads, sistem hanya merekomendasikan buku secara acak, yang tidak mewakili preferensi dari pengguna. Data dari Threads memberikan wawasan yang lebih mendalam tentang preferensi pengguna, memungkinkan sistem untuk memberikan rekomendasi yang lebih relevan dan disesuaikan dengan kebutuhan individu. Hasil evaluasi menunjukkan bahwa sistem rekomendasi yang dibangun mampu menyajikan rekomendasi buku yang cukup relevan dengan rata-rata nilai precision sebesar 71%.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Huda, Arif Akbarul
Uncontrolled Keywords: Buku, Content-Based Filtering, Sistem Rekomendasi, Word2Vec, Cold-Start
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 16 Jul 2024 03:20
Last Modified: 14 Oct 2024 04:53
URI: http://eprints.amikom.ac.id/id/eprint/26254

Actions (login required)

View Item View Item