Rancang Bangun Sistem Rekomendasi Buku Berbasis Item-Based Collaborative Filtering Menggunakan Algoritma K-Nearest Neighbors
Abstract
Penelitian ini bertujuan untuk merancang dan mengembangkan sistem rekomendasi buku dengan metode item-based collaborative filtering menggunakan algoritma K-Nearest Neighbors. Algoritma K-Nearest Neighbors dipilih karena K-Nearest Neighbors memiliki kemampuan dalam mengukur kesamaan antar item berdasarkan perhitungan jarak, sehingga menghasilkan rekomendasi yang relevan bagi pengguna. Menggunakan metode yang melibatkan pengolahan data rating pengguna terhadap buku, diikuti dengan pembentukan model menggunakan pendekatan item-based untuk menemukan buku-buku yang serupa. Pengujian model dilakukan menggunakan teknik cross-validation dengan evaluasi metrik Root Mean Square Error dan Mean Absolute Error untuk mengukur akurasi rekomendasi. Dari penelitian ini, hasil pengujian menunjukkan bahwa model yang diusulkan memiliki tingkat akurasi yang baik, dengan nilai rata-rata RMSE sebesar 0.8191 dan MAE sebesar 0.6235. Sistem ini diharapkan dapat meningkatkan pengalaman pengguna dalam menemukan buku-buku yang sesuai dengan preferensi pengguna, serta memberikan kontribusi signifikan dalam pengembangan sistem rekomendasi berbasis machine learning
Full Text:
PDF (Bahasa Indonesia)References
Ardiansyah, H., & Bianto, M. A. (2022). Implementation of License Plate Recognition Monitoring System using Neural Network on Solar Powered Microcontroller. In Indonesian Vocational Research Journal (Vol. 2, Issue 1, p. 105). https://doi.org/10.30587/ivrj.v2i1.4949
Badriyah, T., Restuningtyas, I., & Setyorini, F. (2021). Sistem Rekomendasi Collaborative Filtering Berbasis User Algoritma Adjusted Cosine Similarity. In Prosiding Seminar Nasional Sisfotek (Vol. 10, Issue 1, pp. 38–45).
Deshpande, Mukund, & Karypis, George. (2004). Item-based Top-N Recommendation Algorithms. In ACM Transactions on Information Systems (Vol. 22, Issue 1, pp. 147–177). http://dl.acm.org/citation.cfm?id=963776
Erlangga, E., & Sutrisno, H. (2020). Sistem Rekomendasi Beauty Shop Berbasis Collaborative Filtering. In EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi (Vol. 10, Issue 2, p. 47). https://doi.org/10.36448/jmsit.v10i2.1611
Handoyo, E. (2020). Analisis Tingkat Keamanan Informasi: Studi Komparasi Framework Cobit 5 Subdomain Manage Security Services (DSS05) dan NIST Sp 800 – 55. In Jurnal CoSciTech (Computer Science and Information Technology) (Vol. 1, Issue 2, pp. 76–83). https://doi.org/10.37859/coscitech.v1i2.2199
Jaja, V. L., Susanto, B., & Sasongko, L. R. (2020). Penerapan Metode Item-Based Collaborative Filtering Untuk Sistem Rekomendasi Data MovieLens. In d’CARTESIAN (Vol. 9, Issue 2, p. 78). https://doi.org/10.35799/dc.9.2.2020.28274
Ricci, F., Rokach, L., Shapira, B., & Kantor, P. (2022). Recommender Systems Handbook. In Recommender Systems Handbook. https://doi.org/10.1007/978-1-0716-2197-4
Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2001). Item-based collaborative filtering recommendation algorithms. In Proceedings of the 10th International Conference on World Wide Web, WWW 2001 (pp. 285–295). https://doi.org/10.1145/371920.372071
Triandy, O., & Tukino. (2021). Sistem Pendukung Keputusan Penerimaan Karyawan Baru Pada PT Kingslee Infinitas Teknologi. In Jurnal Comasie (Vol. 4, Issue 3, pp. 57–66).
Yahya, & Puspita Hidayanti, W. (2020). Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape (Rokok Elektrik) pada “Lombok Vape On.” In Infotek : Jurnal Informatika dan Teknologi (Vol. 3, Issue 2, pp. 104–114). https://doi.org/10.29408/jit.v3i2.2279
DOI: https://doi.org/10.24853/justit.15.2.325%20–%20331
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License