<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>PERBANDINGAN EFEKTIVITAS MODEL TF-IDF DAN WORD2VEC DALAM&#13;
SISTEM REKOMENDASI BUKU BERBASIS CONTENT-BASED</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Muhammad Hadziq</mods:namePart><mods:namePart type="family">Fauzan</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Secara global, industri penerbitan buku terus mengalami pertumbuhan.&#13;
Berdasarkan data UNESCO dan International Publishers Association (IPA), setiap&#13;
tahun diterbitkan lebih dari dua juta judul buku baru di seluruh dunia. Di Indonesia&#13;
sendiri, menurut data Perpustakaan Nasional (PERPUSNAS) tahun 2020 dan 2021,&#13;
tercatat hampir 150.000 buku diterbitkan dalam satu tahun lebih tinggi dibanding&#13;
2019 berada di angka 120.000 buku. Peningkatan jumlah publikasi tersebut&#13;
menunjukkan berkembangnya aktivitas penerbitan dan ketersediaan bahan bacaan,&#13;
namun juga menimbulkan tantangan dalam membantu pembaca menemukan buku&#13;
yang relevan dengan minat dan kebutuhannya. Dengan adanya sebuah sistem&#13;
rekomendasi yang menerapkan berbagai macam algoritma dengan kebutuhan yang&#13;
bermacam-macam tentu juga menjadi tantangan lagi bagi para pengelola untuk&#13;
menghasilkan rekomendasi yang dapat disesuaikan dengan para pembaca.&#13;
Dengan adanya kedua masalah tersebut penelitian ini bertujuan untuk&#13;
membandingkan kinerja antara dua pendekatan algoritma dalam sistem&#13;
rekomendasi buku, yaitu Word2Vec dan Cosine Similarity dengan metode ContentBased&#13;
&#13;
Filtering. Kedua metode ini memiliki karakteristik yang berbeda dalam&#13;
menghasilkan sebuah rekomendasi, namun keduanya tetaplah memiliki kebutuhan&#13;
data yang minim dengan hanya memerlukan data dari konten atau buku itu sendiri.&#13;
Maka dari itu pengujian ini dilakukan dengan menggunakan dataset buku yang&#13;
mencakup informasi seperti judul, penulis, kategori, dan rating pembaca. Melalui&#13;
perbandingan ini diharapkan dapat diperoleh pemahaman mengenai algoritma yang&#13;
lebih efektif dalam meningkatkan relevansi rekomendasi serta memberikan&#13;
kontribusi terhadap pengembangan sistem rekomendasi yang cocok dengan&#13;
pembaca maupun pengguna sistem hingga penelitian kedepannya.</mods:abstract><mods:classification authority="lcc">006 Metode komputer khusus</mods:classification><mods:classification authority="lcc">025 Operasional perpustakaan, arsip dan pusat informasi, pelayanan dan pengelolaan perpustakaan</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8061">2026-04-21</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas AMIKOM Yogyakarta;Fakultas Ilmu Komputer</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>