PENGGABUNGAN METODE USER BASED COLLABORATIVE FILTERING DAN ITEM BASED COLLABORATIVE FILTERING MENGGUNAKAN HYBRID CASCADE PADA SISTEM REKOMENDASI BUKU

Shalsabilla, Alya (2024) PENGGABUNGAN METODE USER BASED COLLABORATIVE FILTERING DAN ITEM BASED COLLABORATIVE FILTERING MENGGUNAKAN HYBRID CASCADE PADA SISTEM REKOMENDASI BUKU. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (7kB)
	Text COVER.pdf Download (152kB)
	Text DAFTAR ISI.pdf Download (58kB)
	Text DAFTAR PUSTAKA.pdf Download (139kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (79kB)
	Text PENGESAHAN PENGUJI.pdf Download (78kB)
	Text SKRIPSI FULL _ALYA SHALSABILLA.pdf Restricted to Repository staff only Download (2MB)

Abstract

Sistem rekomendasi merupakan sebuah sistem yang bertujuan untuk memudahkan
pengguna dalam menemukan informasi atau item yang dibutuhkan dari sekumpulan besar
jumlah data yang tersedia. Sistem ini telah banyak diterapkan pada berbagai bidang, salah
satunya pada bidang literasi dimana jumlah buku yang tersedia di berbagai platform baca
digital semakin melimpah. Oleh karena itu, sistem rekomendasi buku menjadi sangat penting
dalam membantu pembaca untuk menemukan buku yang relevan. Metode pendekatan pada
sistem rekomendasi yang paling popular digunakan adalah metode collaborative filtering.
Metode ini mengandalkan kemiripan opini atau penilaian pengguna lain yang ada untuk
memprediksi item yang mungkin akan disukai atau diminati oleh seorang pengguna sehingga
dapat menghasilkan rekomendasi yang beragam.
Collaborative filtering terbagi menjadi 2 pendekatan yaitu item-based collaborative
filtering yang memberikan rekomendasi berdasarkan kemiripan antar item dan user-based
collaborative filtering yang berfokus pada kemiripan antar user. Kedua metode tersebut sama�sama memiliki kelebihan dan kekurangan masing-masing. Oleh karena itu, kemudian muncul
metode hybrid yang menggabungkan dua atau lebih metode untuk mendapatkan performa dan
hasil yang lebih baik dengan mengatasi kelemahan satu metode dengan kelebihan metode
lainnya. Penelitian ini menggabungkan metode user-based collaborative filtering dan item�based collaborative filtering menggunakan teknik hybrid cascade untuk mengetahui dan
membandingkan hasil akurasi yang diperoleh. Perhitungan nilai kemiripan dilakukan
menggunakan cosine similarity untuk mencari user atau item dengan kecenderungan yang
sama.
Pengujian dilakukan dengan membagi data menjadi 10 subset dengan k-fold cross
validation untuk menghitung nilai Mean Absolute Error (MAE) yang dihasilkan pada setiap
fold. Pengujian dilakukan pada masing-masing metode user-based collaborative filtering,
item-based collaborative filtering, dan hybrid collaborative filtering agar dapat dibandingkan
hasilnya. Hasil pengujian menunjukkan bahwa metode hybrid collaborative filtering atau
penggabungan user-based dan item-based collaborative filtering memiliki performa yang lebih
baik dengan rata-rata nilai MAE sebesar 0.52970. Sedangkan pada metode user-based
collaborative filtering menghasilkan rata-rata MAE sebesar 0.77241 dan item-based
collaborative filtering sebesar 0.59722.
Kata kunci: sistem rekomendasi, sistem rekomendasi buku, collaborative filtering, cosine
similarity, hybrid, cascade

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	sistem rekomendasi, sistem rekomendasi buku, collaborative filtering, cosine similarity, hybrid, cascade
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	21 Feb 2024 08:09
Last Modified:	21 Feb 2024 08:09
URI:	http://eprints.upnyk.ac.id/id/eprint/38931

Actions (login required)

View Item