Detail Karya Ilmiah

  • SISTEM REKOMENDASI BUKU ONLINE DENGAN METODE COLLABORATIVE FILTERING
    Penulis : Moh. Irfan
    Dosen Pembimbing I : Andharini Dwi C, S.Kom., M.Kom
    Dosen Pembimbing II :Fika Hastarita R., S.T., M.Eng.
    Abstraksi

    Buku merupakan sumber informasi semua aspek kehidupan khususnya pendidikan. Namun rendahnya minat baca dikalangan masyarakat menjadi persoalan penting di dunia pendidikan saat ini. Sistem rekomendasi dapat membantu merekomendasikan para pembaca agar lebih mudah mendapatkan informasi mengenai buku yang akan dibaca. Oleh karena itu, pada penelitian ini dibuat sistem rekomendasi buku online menggunakan metode Collaborative Filtering. Collaborative Filtering adalah salah satu metode yang dapat digunakan dalam membuat sistem rekomendasi. Hasil dari penelitian ini menunjukkan bahwa rata-rata nilai MAE (Mean Absolute Error) pada uji coba 1 (1,064) lebih kecil daripada uji coba 2 (1,21), uji coba 4 (2,474) dan ujicoba 5 (3,526). Hal ini menunjukkan bahwa semakin banyak jumlah data yang digunakan dan jika terdapat user yang belum pernah merating, maka sistem yang dihasilkan relatif tidak akurat dan menghasilkan rekomendasi yang buruk jika menggunakan Collaborative Filtering. Kata Kunci : Sistem Rekomendasi, Collaborative Filtering, Buku Online

    Abstraction

    The book is a source of information regarding all aspects of life, especially education. However, low interest in reading among the public is a major issue in education today. Recommendation systems can help recommend the reader to more easily obtain information about the books to be read. Therefore, in this study made an online book recommendation system using Collaborative Filtering. Collaborative Filtering is one of the methods that can be used in making the recommendation system. The results of this study showed that the average value of the MAE (Mean Absolute Error) on trial 1 (1.064) is smaller than 2 trials (1.21), 4 trials (2,474) and test 5 (3.526). This shows that the more the amount of data used and if there is a user who has never rate a, then the resulting system is relatively inaccurate and generate recommendations if using Collaborative Filtering bad. Keywords: recommendation system, Collaborative Filtering, Online Book.

Detail Jurnal