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.
Downloads
References
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,
A. S. Tewari, A. Kumar, and A. G. Barman,
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).
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,
