Perpustakaan Digital ITB

Website buku seperti Goodreads menyediakan platform bagi penggunanya untuk menjelajahi, review, dan memberikan rating pada konten buku. Sistem rekomendasi (Recommender System) pada webiste buku menjadi elemen penting karena dapat merekomendasikan buku yang berpeluang menarik bagi para pengguna. Dengan adanya sistem rekomendasi, pengguna dipermudah menemukan buku sesuai dengan preferensi mereka sehingga pengalaman menjelajah katalog buku menjadi lebih personal dan efisien. Penelitian ini membahas penerapan sistem rekomendasi dengan fokus pada metode non-personalized dan personalized. Untuk non-personalized menggunakan rata-rata rating dan weighted rating, sedangkan untuk personalized menggunakan content-based filtering dan collaborative filtering. Metode hybrid yang menggabungan dua metode juga akan dikaji untuk menghasilkan sistem rekomedasi terbaik yang efisien. Pada setiap metode, item dengan skor yang lebih tinggi akan lebih direkomendasikan. Metode rata-rata rating menggunakan paramater rata-rata rating pada data untuk skor, metode weighted rating menghitung skor menggunakan rumus weighted rating dan dianggap maksimal ketika ????=14.745. Metode content-based filtering menghitung skor menggunakan rumus perhitungan similarity antar item dan maksimal ketika menggunakan fitur tag buku. Metode collaborative filtering menghitung skor menggunakan estimate rating dengan pendekatan Singular Value Decompotition (SVD). Adapun metode hybrid dengan menggabungkan content-based dan collaborative filtering maksimal dengan perbandingan keduanya 25:75.