Penerapan Metode User-Based Collaborative Filtering pada Sistem Rekomendasi Buku Berbasis Dataset Publik
Keywords:
Sistem Rekomendasi Buku, User-Based Collaborative Filtering, Cosine Similarity, Dataset Book-Crossing, StreamlitAbstract
Perkembangan teknologi informasi telah meningkatkan jumlah koleksi buku digital yang tersedia, sehingga pengguna sering mengalami kesulitan dalam menemukan buku yang sesuai dengan preferensi mereka. Penelitian ini bertujuan untuk membangun sistem rekomendasi buku menggunakan metode User-Based Collaborative Filtering dengan memanfaatkan dataset publik Book-Crossing. Tahapan penelitian meliputi preprocessing data, pembentukan User-Item Matrix, perhitungan tingkat kemiripan antar pengguna menggunakan metode Cosine Similarity, serta proses pemberian rekomendasi berdasarkan weighted recommendation score. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan framework Streamlit sehingga menyediakan antarmuka bagi pengguna untuk memperoleh rekomendasi buku dan dashboard admin untuk menampilkan hasil analisis data. Kinerja sistem dievaluasi menggunakan Root Mean Square Error (RMSE), serta metrik Precision dan Recall. Hasil pengujian menunjukkan bahwa sistem mampu menghasilkan rekomendasi buku berdasarkan kemiripan preferensi pengguna dengan nilai RMSE sebesar 1,796, Precision sebesar 0,003, dan Recall sebesar 0,017. Selain itu, sistem berhasil menampilkan informasi analisis dataset, distribusi rating, buku terpopuler, pengguna paling aktif, serta visualisasi evaluasi model. Hasil penelitian menunjukkan bahwa metode User-Based Collaborative Filtering mampu diterapkan pada sistem rekomendasi buku berbasis dataset publik dan memberikan rekomendasi yang relevan sesuai pola penilaian pengguna.
References
[1] R. Priskila et al., “Penerapan Metode Collaborative Filtering dan Content Based Filtering Pada Sistem Rekomendasi Smartphone Android,” vol. 15, no. 3, pp. 477–487, 2024, doi: http://dx.doi.org/10.31602/tji.v15i3.15255.
[2] M. Firmansyah, M Ferrari; Aziz, Abdul; Ahsan, “PENINGKATAN KINERJA SISTEM REKOMENDASI WISATA MELALUI PENERAPAN ALGORITMA COLLABORATIVE FILTERING DAN K-NEAREST NEIGHBORS DENGAN METODE KLASTERISASI K-MEANS,” vol. 8, no. 6, pp. 11420–11427, 2024, doi: https://doi.org/10.36040/jati.v8i6.11488.
[3] M. Aldiyansyah, I. Oktaviani, and H. Hasanah, “Penerapan Metode Collaborative Filtering Pada Pemilihan Bibit Padi di Wonogiri,” vol. 4, no. 3, 2024, doi: 10.58794/jekin.v4i3.775.
[4] S. Suhada et al., “Sistem Rekomendasi Produk Menggunakan Metode User-Based Collaborative Filtering Pada Digital Marketing,” no. 204, pp. 158–166, 2023.
[5] N. I. Anugerah, Esy. Statiswaty. Ransi, “Sistem Rekomendasi Produk UMKM Menggunakan Algoritma User-Based Collaborative Filtering Berbasis Website Website-Based MSME Product Recommendation System Using User-Based Collaborative Filtering Algorithm,” vol. 14, no. 2, pp. 152–162, 2024.
[6] V. S. Saputra, A. Ridwan, T. G. Pratama, K. Kudus, and J. Tengah, “RANCANG BANGUN SISTEM REKOMENDASI BUKU BERBASIS ITEM-BASED COLLABORATIVE FILTERING MENGGUNAKAN ALGORITMA K-NEAREST,” vol. 13, no. 1, pp. 1540–1545, 2025.
[7] A. Widya, M. Gaffar, and S. W. Samsul, “Sistem Rekomendasi Pemilihan Hardware Komputer Menggunakan Metode Item-Based Collaborative Filtering,” vol. 14, no. April, pp. 284–292, 2025.
[8] N. M. Roziqiin and M. Faisal, “Sistem rekomendasi pemilihan anime menggunakan user-based collaborative filtering,” vol. 9, no. 1, pp. 299–306, 2024.
[9] U. Hasanah, A. Arfriandi, R. N. Permanawati, C. N. Aini, and A. Adi, “Book Recommendation System Using Similarity-Based Collaborative Filtering Approach,” 2026.
[10] A. Z. Pandiangan and O. Pribadi, “Design of a Movie Recommendation System Application Using a User-Based Collaborative Filtering Algorithm on Android,” vol. 5, no. 1, pp. 1–5, 2025.
