Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Ainet : Jurnal Informatika
Yuslian Bakti, Rizky
Unknown Affiliation
Computer Science & IT Engineering Languange, Linguistic, Communication & Media

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS PENERAPAN ALGORITMA JACCARD SIMILARITY UNTUK REKOMENDASI BUKU BERDASARKAN KATA KUNCI DAN SINONIMNYA Haskar, Alfitra; A M Hayat, Muhyddin; Yuslian Bakti, Rizky
Ainet : Jurnal Informatika Vol 7, No 1 (2025): Vol 7, No 1 (2025): Maret (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v7i1.18720

Abstract

Peningkatan jumlah informasi digital, termasuk katalog buku di perpustakaan dan toko buku online, membuat kebutuhan akan sistem rekomendasi semakin penting. Salah satu pendekatan yang dapat digunakan dalam sistem rekomendasi adalah algoritma Jaccard Similarity, yang mengukur kesamaan antara dua himpunan data. Dalam penelitian ini, dilakukan implementasi algoritma Jaccard Similarity untuk rekomendasi buku berdasarkan kata kunci dan sinonimnya. Penggunaan sinonim bertujuan untuk meningkatkan cakupan pencarian dan mengakomodasi variasi istilah yang mungkin digunakan pengguna saat mencari buku. Penelitian ini melibatkan beberapa tahap, mulai dari ekstraksi kata kunci dan sinonim menggunakan sumber daya linguistik seperti kamus sinonim, hingga perhitungan tingkat kesamaan antar kata kunci menggunakan algoritma Jaccard Similarity. Selanjutnya, dilakukan analisis performa algoritma dalam menghasilkan rekomendasi buku yang relevan. Hasil uji coba menunjukkan bahwa penggunaan sinonim dapat meningkatkan akurasi sistem rekomendasi dibandingkan dengan pencarian kata kunci secara eksak. Algoritma ini berhasil mengidentifikasi hubungan antara buku-buku yang relevan, meskipun menggunakan kata kunci yang bervariasi. Kesimpulan dari penelitian ini adalah bahwa algoritma Jaccard Similarity yang diimplementasikan dengan tambahan pemrosesan sinonim efektif dalam meningkatkan relevansi hasil rekomendasi buku. Pengembangan lebih lanjut dapat difokuskan pada integrasi dengan sistem pemrosesan bahasa alami untuk memperkaya kemampuan sistem rekomendasi.
ANALISIS PENERAPAN ALGORITMA JACCARD SIMILARITY UNTUK REKOMENDASI BUKU BERDASARKAN KATA KUNCI DAN SINONIMNYA Haskar, Alfitra; A M Hayat, Muhyddin; Yuslian Bakti, Rizky
Ainet : Jurnal Informatika Vol. 7 No. 1 (2025): Maret (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v7i1.18720

Abstract

Peningkatan jumlah informasi digital, termasuk katalog buku di perpustakaan dan toko buku online, membuat kebutuhan akan sistem rekomendasi semakin penting. Salah satu pendekatan yang dapat digunakan dalam sistem rekomendasi adalah algoritma Jaccard Similarity, yang mengukur kesamaan antara dua himpunan data. Dalam penelitian ini, dilakukan implementasi algoritma Jaccard Similarity untuk rekomendasi buku berdasarkan kata kunci dan sinonimnya. Penggunaan sinonim bertujuan untuk meningkatkan cakupan pencarian dan mengakomodasi variasi istilah yang mungkin digunakan pengguna saat mencari buku. Penelitian ini melibatkan beberapa tahap, mulai dari ekstraksi kata kunci dan sinonim menggunakan sumber daya linguistik seperti kamus sinonim, hingga perhitungan tingkat kesamaan antar kata kunci menggunakan algoritma Jaccard Similarity. Selanjutnya, dilakukan analisis performa algoritma dalam menghasilkan rekomendasi buku yang relevan. Hasil uji coba menunjukkan bahwa penggunaan sinonim dapat meningkatkan akurasi sistem rekomendasi dibandingkan dengan pencarian kata kunci secara eksak. Algoritma ini berhasil mengidentifikasi hubungan antara buku-buku yang relevan, meskipun menggunakan kata kunci yang bervariasi. Kesimpulan dari penelitian ini adalah bahwa algoritma Jaccard Similarity yang diimplementasikan dengan tambahan pemrosesan sinonim efektif dalam meningkatkan relevansi hasil rekomendasi buku. Pengembangan lebih lanjut dapat difokuskan pada integrasi dengan sistem pemrosesan bahasa alami untuk memperkaya kemampuan sistem rekomendasi.
Co-Authors A M Hayat, Muhyddin Haskar, Alfitra