INTEGRASI METODE HYBRID FILTERING DAN METODE WEIGHTED AGGREGATED SUM PRODUCT ASSESSMENT (WASPAS) PADA SISTEM REKOMENDASI BUKU BERBASIS MULTI-KRITERIA

Sasongko, Jihan Putri Ratu (2025) INTEGRASI METODE HYBRID FILTERING DAN METODE WEIGHTED AGGREGATED SUM PRODUCT ASSESSMENT (WASPAS) PADA SISTEM REKOMENDASI BUKU BERBASIS MULTI-KRITERIA. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 2_Cover_123210133_Jihan Putri Ratu Sasongko.pdf Download (184kB)
	Text 4_Halaman Pengesahan_123210133_Jihan Putri Ratu Sasongko.pdf Download (649kB)
	Text 3_Abstrak_123210133_Jihan Putri Ratu Sasongko.pdf Download (1MB)
	Text 5_Daftar Isi_123210133_Jihan Putri Ratu Sasongko.pdf Download (476kB)
	Text 6_Daftar Pustaka_123210133_Jihan Putri Ratu Sasongko.pdf Download (1MB)
	Text 1_Skripsi full_123210133_Jihan Putri Ratu Sasongko.pdf Restricted to Repository staff only Download (13MB)

Abstract

Meningkatnya jumlah buku yang diterbitkan setiap tahun (mencapai lebih
dari 2 juta judul secara global) semakin mempersulit pembaca dalam menemukan
karya yang relevan dengan minat dan kebutuhan mereka, khususnya untuk buku
berbahasa Indonesia. Sistem rekomendasi buku menjadi solusi dengan menyaring
dan menampilkan daftar rekomendasi berdasarkan preferensi pengguna. Metode
Content-Based Filtering (CBF) mampu merekomendasikan buku tanpa
memerlukan parameter rating, namun sering menghasilkan daftar yang kurang
beragam akibat overspecialization. Sebaliknya, Collaborative Filtering (CF)
dapat meningkatkan keberagaman rekomendasi, tetapi rentan terhadap masalah
cold-start jika data rating pengguna belum mencukupi. Oleh karena itu integrasi
kedua pendekatan tersebut dalam kerangka Hybrid Filtering dipandang efektif
untuk menyeimbangkan akurasi dan variasi rekomendasi. Namun Hybrid
Filtering sendiri masih belum fleksibel dalam mengakomodasi kriteria
multi-aspek seperti popularitas atau tahun terbit.
Penelitian
ini
mengusulkan sistem rekomendasi buku yang
menggabungkan Hybrid Filtering (CBF dan CF) dengan metode multi-kriteria
WASPAS (Weighted Aggregated Sum Product Assessment). Data sekunder yang
digunakan diperoleh melalui web scraping Goodreads Indonesia Group sebanyak
2.820.808 data, terdiri dari 2 jenis data yaitu data buku dan data rating.
Preprocessing data buku meliputi modifikasi tabel, case folding, cleansing,
tokenization, stopwords removal, dan stemming. CBF dibangun dengan
representasi TF-IDF dan cosine similarity untuk menghasilkan daftar kandidat
awal berdasarkan kemiripan konten. CF diterapkan pada data rating dengan
pembagian 80% data latih dan 20% data uji, menggunakan algoritma cosine
similarity dan KNN untuk memprediksi skor rating item. Hasil rekomendasi CBF
dan CF digabung secara linear untuk membentuk daftar kandidat awal.
Selanjutnya pengguna memilih genre dan menetapkan bobot skala Likert pada
kriteria rating, popularitas, kesamaan genre, dan tahun terbit. Bobot‐bobot ini
dinormalisasi, lalu diaplikasikan dalam WSM dan WPM pada metode WASPAS
untuk menghitung skor akhir tiap buku. Sepuluh buku dengan skor tertinggi
disajikan sebagai rekomendasi akhir.
Evaluasi model dilakukan dengan menggunakan Intra-List Similarity
(ILS) untuk menilai keberagaman rekomendasi. Hasil penelitian menunjukkan
bahwa nilai ILS terendah untuk top-10 dihasilkan oleh model Hybrid dengan
WASPAS sebesar 0.326 yang menandakan bahwa hasil rekomendasinya lebih
beragam dibandingkan ILS 0,590 pada top-10 rekomendasi Hybrid (CBF dan CF)
saja. Dapat disimpulkan bahwa integrasi WASPAS berhasil meningkatkan variasi
rekomendasi sehingga sistem yang dikembangkan mampu memberikan
rekomendasi buku yang lebih relevan dan beragam bagi pembaca berbahasa
Indonesia.
Kata Kunci: Sistem Rekomendasi, Hybrid Filtering, WASPAS

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Jihan Putri Ratu Sasongko (Penulis - 123210133) ; Budi Santosa (Pembimbing)
Uncontrolled Keywords:	Sistem Rekomendasi, Hybrid Filtering, WASPAS
Subjek:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	14 Oct 2025 02:26
Last Modified:	14 Oct 2025 02:26
URI:	http://eprints.upnyk.ac.id/id/eprint/44316

Actions (login required)

View Item