Priady, Farrel Edgarrafi
Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Sains dan Seni ITS

Sistem Rekomendasi Buku Bacaan untuk Anak Menggunakan Collaborative Filtering dan Topic Modelling Priady, Farrel Edgarrafi; Irhamah, Irhamah; Widhianingsih, Tintrim Dwi Ary
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.155082

Abstract

Membaca buku merupakan salah satu kegiatan pen-ting dalam perkembangan anak, terutama pada usia emas (0–6 tahun). Namun, di era digital, anak-anak dihadapkan dengan berbagai rangsangan yang kuat, sehingga penting untuk mem-berikan bacaan yang sesuai dengan minat dan usia mereka. Pe-ngembangan sistem rekomendasi buku bacaan untuk anak menjadi suatu kebutuhan mendesak guna meningkatkan minat dan kualitas literatur anak di Indonesia. Penelitian ini ber-tujuan untuk membangun sistem rekomendasi buku bacaan untuk anak menggunakan dua pendekatan, yaitu collaborative filtering dan topic modelling. Data yang digunakan adalah data judul, deskripsi, dan rating buku yang diambil dari website Goodreads yang disediakan oleh University of California San Diego (UCSD). Berdasarkan hasil penelitian yang telah dilakukan menggunakan Grid Search Cross Validation dengan 5 fold, didapatkan bahwa model terbaik adalah sistem rekomendasi meng-gunakan faktorisasi matriks SVD dengan nilai evaluasi dari model tersebut adalah RMSE sebesar 0,7941, accuracy sebesar 79,89%, dan F1-Score sebesar 88,28%. Model tersebut lebih baik daripada metode pembanding yaitu LDA First dengan nilai evaluasi dari model tersebut adalah RMSE sebesar 0,9011, accuracy sebesar 78,31%, dan F1-Score sebesar 87,81%. Penelitian selanjutnya disarankan untuk melakukan hibridisasi atau penggabungan dari metode SVD dan LDA tersebut secara bersamaan, juga menambah data pengguna seperti umur, jenis kelamin, atau lokasi dari pengguna untuk menangani cold start.