Skripsi

Perbandingan cosine similarity dan mean squared difference dalam rekomendasi buku fiksi berbasis item / Lucyta Qutsyaning Rosydah

Abstrak
Kebutuhan akan rekomendasi semakin krusial di era digital terutama dengan melimpahnya data buku fiksi dari platform e-book dan pustaka digital. Penelitian ini bertujuan untuk mengevaluasi efektivitas item-based collaborative filtering menggunakan metrik cosine similarity dan Mean Squared Difference (MSD) dalam memberikan rekomendasi buku. Metode knowledge discovery in databases diterapkan meliputi pemilihan data pra-pemrosesan transformasi data mining dan evaluasi. Data yang digunakan mencakup 100.000 rating pengguna yang diperoleh dari Kaggle dengan judul lsquo Book Recommendation Dataset rsquo . Hasil temuan kami menunjukkan bahwa mean absolute error untuk MSD adalah 0 152307 sedikit lebih baik dibandingkan cosine similarity dengan nilai 0 152406. Root Mean Squared Error MSD lebih rendah yaitu 0 185551 dibandingkan cosine similarity sebesar 0 185636. Namun dari segi efisiensi waktu cosine similarity lebih cepat dengan 0 50 detik sedangkan MSD memerlukan 0 59 detik. Kedua metrik ini penting untuk dipahami lebih dalam karena diantaranya menunjukkan perbedaan akurasi dan efisiensi dalam merekomendasikan buku. Hasil penelitian menunjukkan bahwa metode MSD lebih unggul dalam akurasi rekomendasi buku fiksi dibandingkan cosine similarity sehingga lebih cocok untuk aplikasi yang mengutamakan ketepatan rekomendasi sementara cosine lebih efisien dalam pemrosesan waktu untuk data yang besar.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

v, 15 hlm. : ilus.

Bahasa

Indonesia

No Reg

0133/RS/25

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

Pembimbing

1. Triyanna Widiyaningtyas, M.t.

Lampiran Berkas