Prediksi Rating Novel Baru Berdasarkan Sinopsis Menggunakan Genre Based Collaborative Filtering dan Text Similarity

##plugins.themes.bootstrap3.article.main##

Rhevitta Widyaning Palupi Yuita Arum Sari Putra Pandu Adikara

Abstrak

Novel merupakan suatu cerita yang memiliki alur panjang yang bersifat imajiantif. Berdasarkan pilihan editor pada situs Amazon.com, 50 dari 100 buku dengan penjualan terbaik merupakan novel. Hal tersebut menunjukkan bahwa ketertarikan masyarakat terhadap novel cukup tinggi sebagai salah satu jenis bacaan. Namun saat ingin memilih novel yang hendak dibaca, pembaca terkadang merasa bingung untuk mengetahui kualitas dari novel tersebut. Salah satu acuan dalam melihat kualitas suatu produk yaitu rating. Situs Goodreads merupakan salah satu situs yang memungkinkan peninjau amatir menuliskan ulasan serta rating untuk membantu pembaca dalam memilih buku yang relevan. Namun terkadang pengguna Goodreads tidak memberikan rating terhadap suatu buku sehingga pengikut dari pengguna tersebut ingin mengetahui rating yang diberikan pengguna pada buku tersebut. Penelitian ini menggunakan metode Genre Based Collaborative Filtering sebagai penghitungan prediksi rating dan Text Similarity untuk mengetahui nilai kesamaan antara dokumen yang satu dengan lainnya. Data yang digunakan pada penelitian ini sebanyak 31 user dan 90 sinopsis sebagai data latih dan 35 sinopsis sebagai data uji. Akurasi sistem yang diperoleh dari hasil klasifikasi dengan menggunakan nilai kesamaan pada text similarity sebesar 45,714286% dan nilai MAE sebesar 0,27742857 sehingga dapat disimpulkan bahwa metode genre based collaborative filtering dan text similarity dapat digunakan untuk melakukan prediksi rating.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Palupi, R., Sari, Y., & Adikara, P. Prediksi Rating Novel Baru Berdasarkan Sinopsis Menggunakan Genre Based Collaborative Filtering dan Text Similarity. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, p. 2768-2773, jan. 2019. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4813>. Tanggal Akses: 23 jan. 2019
Bagian
Artikel