http://eprints.amikom.ac.id/id/eprint/32982 2026-09-24T03:43:48Z info:eu-repo/semantics/descriptiveMetadata https://eprints.amikom.ac.id/id/eprint/32982/ PERBANDINGAN EFEKTIVITAS MODEL TF-IDF DAN WORD2VEC DALAM SISTEM REKOMENDASI BUKU BERBASIS CONTENT-BASED Fauzan, Muhammad Hadziq 006 Metode komputer khusus 025 Operasional perpustakaan, arsip dan pusat informasi, pelayanan dan pengelolaan perpustakaan Secara global, industri penerbitan buku terus mengalami pertumbuhan. Berdasarkan data UNESCO dan International Publishers Association (IPA), setiap tahun diterbitkan lebih dari dua juta judul buku baru di seluruh dunia. Di Indonesia sendiri, menurut data Perpustakaan Nasional (PERPUSNAS) tahun 2020 dan 2021, tercatat hampir 150.000 buku diterbitkan dalam satu tahun lebih tinggi dibanding 2019 berada di angka 120.000 buku. Peningkatan jumlah publikasi tersebut menunjukkan berkembangnya aktivitas penerbitan dan ketersediaan bahan bacaan, namun juga menimbulkan tantangan dalam membantu pembaca menemukan buku yang relevan dengan minat dan kebutuhannya. Dengan adanya sebuah sistem rekomendasi yang menerapkan berbagai macam algoritma dengan kebutuhan yang bermacam-macam tentu juga menjadi tantangan lagi bagi para pengelola untuk menghasilkan rekomendasi yang dapat disesuaikan dengan para pembaca. Dengan adanya kedua masalah tersebut penelitian ini bertujuan untuk membandingkan kinerja antara dua pendekatan algoritma dalam sistem rekomendasi buku, yaitu Word2Vec dan Cosine Similarity dengan metode ContentBased Filtering. Kedua metode ini memiliki karakteristik yang berbeda dalam menghasilkan sebuah rekomendasi, namun keduanya tetaplah memiliki kebutuhan data yang minim dengan hanya memerlukan data dari konten atau buku itu sendiri. Maka dari itu pengujian ini dilakukan dengan menggunakan dataset buku yang mencakup informasi seperti judul, penulis, kategori, dan rating pembaca. Melalui perbandingan ini diharapkan dapat diperoleh pemahaman mengenai algoritma yang lebih efektif dalam meningkatkan relevansi rekomendasi serta memberikan kontribusi terhadap pengembangan sistem rekomendasi yang cocok dengan pembaca maupun pengguna sistem hingga penelitian kedepannya. 2026-04-21 Thesis NonPeerReviewed text id https://eprints.amikom.ac.id/id/eprint/32982/1/COVER.pdf text id https://eprints.amikom.ac.id/id/eprint/32982/2/BAB%20I.pdf text id https://eprints.amikom.ac.id/id/eprint/32982/3/BAB%20II.pdf text id https://eprints.amikom.ac.id/id/eprint/32982/4/BAB%20III.pdf text id https://eprints.amikom.ac.id/id/eprint/32982/5/BAB%20IV.pdf text id https://eprints.amikom.ac.id/id/eprint/32982/6/BAB%20V.pdf text id https://eprints.amikom.ac.id/id/eprint/32982/7/Daftar%20Pustaka.pdf archive id https://eprints.amikom.ac.id/id/eprint/32982/8/Sourcecode%20-%2022.12.2655.zip text id https://eprints.amikom.ac.id/id/eprint/32982/9/Publikasi.pdf Fauzan, Muhammad Hadziq (2026) PERBANDINGAN EFEKTIVITAS MODEL TF-IDF DAN WORD2VEC DALAM SISTEM REKOMENDASI BUKU BERBASIS CONTENT-BASED. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta. info:eu-repo/semantics/objectFile info:eu-repo/semantics/objectFile info:eu-repo/semantics/objectFile info:eu-repo/semantics/objectFile info:eu-repo/semantics/objectFile info:eu-repo/semantics/objectFile info:eu-repo/semantics/objectFile info:eu-repo/semantics/objectFile info:eu-repo/semantics/objectFile info:eu-repo/semantics/humanStartPage