Sistem Rekomendasi Buku Dengan Collaborative Filtering Menggunakan Metode Singular Value Decomposition (SVD)
Abstract
Abstrak— Buku/novel adalah salah satu media hiburan yang tidak pernah luput oleh zaman. Bagi penikmatnya, buku adalah suatu hal yang sangat penting karena buku merupakan suatu hiburan yang akan dibaca sesuai dengan suasana hati mereka. membaca juga merupakan jendela dunia, Dikarenakan banyaknya judul – judul buku yang telah rilis,hal tersebut membuat banyak orang sulit dalam memilih buku yang ingin mereka baca. Dalam permasalahan ini dibutuhkan suatu sistem yang dapat memudahkan pengguna dalam mencari buku atau novel yang sesuai dengan minat mereka, sebuah sistem rekomendasi dirasa mampu untuk memecahkan permasalahan ini. Maka dari itu penilitian ini membangun sebuah sistem rekomendasi buku dengan Userbased Collaborative Filtering menggunakan metode singular value decompsotion (SVD). Dan dilakukan pengukuran akurasi menggunakan metode MAE dan MSE dan didapatkan hasil akurasi MAE sebesar 0,7063 dan MSE sebesar 0,913.
Kata kunci — Sistem Rekomendasi, User Based Collaborative Filtering, SVD.
References
REFERENSI
Patiung, D. (2016). Membaca sebagai sumber
pengembangan intelektual. Al Daulah: Jurnal
Hukum Pidana Dan Ketatanegaraan, 5(2), 352-376.
Ijaz, F. (2020). Book Recommendation System
using Machine learning. EasyChair..
Mudzakir, Z., & Nurjanah, D. (2019). Implementasi
Convolutional Neural Network dan Probabilistic
Matrix Factorization pada Sistem Rekomendasi
Buku. e-proceeding of Engineering, 6(2).
Ghina, C. F., Purnamasari, R., & Zakiawati, D.
(2019). Identifikasi Pola Sidik Bibir Pada Identitas
Manusia Menggunakan Metode Singular Value
Decomposition (svd) Dan Klasifikasi Learning
Vector Quantization (lvq) Untuk Aplikasi Bidang
Biometrik Forensik. eProceedings of Engineering,
(2).
A. S. G. A. W. Edwin,
Using Collaborative= in International Conference on
Digital Technology in Education, Yamanashi,
Jepang, 2019
A. S. Tewari, A. Kumar, and A. G. Barman,
Recommendation system based on combine features
of content based filtering, collaborative filtering andassociationrule mining,= Souvenir 2014 IEEE Int.
adv. Comput. Conf. LACC 2014, pp. 500-503, 2014
Thakkar, P., Varma, K., Ukani, V., Mankad, S., &
Tanwar, S. (2019). Combining user-based and itembased collaborative filtering using machine learning.
In Information and Communication Technology for
Intelligent Systems: Proceedings of ICTIS 2018,
Volume 2 (pp. 173-180). Springer Singapore.
Wang, H. (2022, May). DotMat: Solving Cold-start
Problem and Alleviating Sparsity Problem for
Recommender Systems. In 2022 IEEE 5th
International Conference on Electronics Technology
(ICET) (pp. 1323-1326). IEEE.
Shi, Y., Larson, M., & Hanjalic, A. (2009, October).
Exploiting user similarity based on rated-item pools
for improved user-based collaborative filtering. In
Proceedings of the third ACM conference on
Recommender systems (pp. 125-132).
S. Gong, H. Ye and Y. Dai, "Combining Singular
Value Decomposition and Item-based
Recommender in Collaborative Filtering," 2009
Second International Workshop on Knowledge
Discovery and Data Mining, Moscow, Russia, 2009,
pp. 769-772, doi: 10.1109/WKDD.2009.132.
Dharma, U.S. (2020).
Component Analysis pada sistem rekomendasi
film dengan pendekatan User Based Collaborative
Filtering.= Skripsi.
Wang, W., & Lu, Y. (2018, March). Analysis of
the mean absolute error (MAE) and the root mean
square error (RMSE) in assessing rounding model.
In IOP conference series: materials science and
engineering (Vol. 324, No. 1, p. 012049). IOP
Publishing.
H. H. Naufal, A. Romadhony and E.
Rachmawaty,
sistem rekomendasi pengambilan mata kuliah
pilihan menggunakan metode hybrid,= 2013