SISTEM REKOMENDASI BUKU BERBASIS USER COLLABORATIVE FILTERING DENGAN ALGORITMA K-NEAREST NEIGHBOR

Permana, Arfian Dimas Andi (2021) SISTEM REKOMENDASI BUKU BERBASIS USER COLLABORATIVE FILTERING DENGAN ALGORITMA K-NEAREST NEIGHBOR. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (572kB)
	Text (BAB I) BAB I.pdf Download (316kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (864kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (896kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (787kB)
	Text (BAB V) BAB V.pdf Download (114kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (157kB)
	Archive (SOURCE CODE) Source Code-17.11.1018-Arfian Dimas Andi Permana - Arfian Dimas Andi Permana.zip Restricted to Repository staff only Download (12kB)
	Text (PUBLIKASI) Publikasi-17.11.1018-Arfian Dimas Andi Permana - Arfian Dimas Andi Permana.pdf Restricted to Repository staff only Download (511kB)

Abstract

United Nations Educational Scientific, and Cultural Organization (UNESCO) mencatat minat baca masyarakat di Indonesia hanya mencapai 0,001% artinya dalam 1000 orang hanya satu orang yang mempunyai minat baca yang tinggi. Rendahnya minat baca di Indonesia tidak hanya dipengaruhi oleh ketidaktertarikan dalam kegiatan membaca tetapi juga dipengaruhi karena tidak mendapatkan buku yang tepat sesuai keinginan pembaca. Salah satu upaya yang dilakukan untuk meningkatkan minat baca adalah membangun sistem rekomendasi yang bertujuan untuk mendapatkan buku yang sesuai dengan keinginan pembaca. Penelitian ini membandingkan dua sistem rekomendasi, yaitu sistem rekomendasi yang tidak memasuki tahap pembersihan data dan sistem rekomendasi yang memasuki tahap pembersihan data. Kedua sistem rekomendasi tersebut dibangun menggunakan teknik user-based collaborative filtering dengan algoritma k-nearest neighbor. User-based collaborative filtering merupakan teknik rekomendasi buku yang diberikan berdasarkan pertimbangan penilaian user sebelumnya. Nilai k pada algoritma k-nearest neighbor merupakan banyaknya neighbor yang digunakan untuk pertimbangan rekomendasi. Penelitian ini menggunakan beberapa nilai k pada kedua sistem rekomendasi, kemudian dilakukan evaluasi pada nilai k untuk menemukan nilai k terbaik yang akan digunakan pada sistem rekomendasi. Evaluasi menggunakan metode mean absolute error (MAE), mean squared error (MSE) dan root mean squared error (RMSE). Hasil evaluasi menunjukkan bahwa nilai k=1 merupakan nilai k terbaik karena menghasilkan nilai error paling kecil pada kedua sistem rekomendasi. Sistem rekomendasi yang tidak memasuki tahap pembersihan data menghasilkan nilai error 0.011742 dengan metode MAE, 0.018774 dengan metode MSE dan 0.011742 dengan metode RMSE. Sistem rekomendasi yang memasuki tahap pembersihan data menghasilkan nilai error 0.011727 dengan metode MAE, 0.018117 dengan metode MSE dan 0.011727 dengan metode RMSE. Oleh karena itu, sistem rekomendasi yang memasuki tahap pembersihan data dengan nilai k=1 adalah sistem rekomendasi yang baik digunakan untuk merekomendasikan buku.

Actions (login required)

View Item