Implementasi TF-IDF, Cosine Similarity, dan Logistic Regression Pada Rekomendasi Buku Berdasarkan Mood Pembaca Dengan Data Oversampling
DOI:
https://doi.org/10.46576/device.v6i1.6499Keywords:
Cosine Similarity, Mood pembaca, Rekomendasi Buku, TF-IDF, Logistic RegressionAbstract
Pembaca seringkali kesulitan dalam memilih buku yang sesuai dengan mood atau suasana hati mereka. Sistem rekomendasi buku yang dapat menyesuaikan dengan mood diharapkan dapat meningkatkan kepuasan pembaca. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi buku berdasarkan mood pembaca menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), Cosine Similarity, dan Logistic Regression. Penelitian ini menggunakan dataset buku yang diambil dari situs Kaggle yang berjumlah 6.810 data dan dibersihkan melalui tahap pre-processing untuk menghilangkan data yang tidak lengkap. Sistem ini menggunakan TF-IDF untuk mengubah deskripsi buku menjadi representasi numerik, serta Cosine Similarity untuk menghitung kesamaan antar buku berdasarkan deskripsi dan mood pengguna. Hasil penelitian menunjukkan bahwa sistem dapat memberikan rekomendasi buku yang relevan, dengan tingkat akurasi yang mencapai 92%, dengan nilai precision sebesar 93%, recall sebesar 89%, dan F1-score sebesar 91%. Evaluasi dilakukan dengan menggunakan confusion matrix, yang menunjukkan hasil yang cukup memuaskan dengan precision, recall, dan F1-score yang baik. Penelitian ini menunjukan potensi dalam penggunaan teknologi dalam meningkatkan pengalaman membaca dengan menyediakan rekomendasi yang sesuai dengan kondisi emosional pembaca.
References
Ardiansyah, R., Ari Bianto, M. & Saputra, B.D. (2023). Sistem Rekomendasi Buku Perpustakaan Sekolah menggunakan Metode Content-Based Filtering. Jurnal Computer Science and Information Technology, 4(2): 510-518. Diunduh di https://ejurnal.umri.ac.id/index.php/coscitech/article/view/5131/2462
Budianto, A.G., Rusilawati., Suryo, A.T.E., Cahyono, G.R., Zulkarnain, A.F. & Martunus. (2024). Perbandingan Performa Algoritma Support Vector Machine(SVM) dan Logistic Regressionuntuk Analisis Sentimen Pengguna Aplikasi Retail di Android. Jurnal Sains dan Informatika, 10(2): 1-10. Diunduh dari https://jsi.politala.ac.id/index.php/JSI/article/view/911/202
Chiny, M., Chibab, M., Bencharef, O., & Chibab, Y. (2022). Netflix Recommendation System based on TF-IDF and Cosine Similarity Algorithms. Proceedings of the International Conference on Information Systems and Artificial Intelligence, 3101. Diunduh di https://www.researchgate.net/publication/360856267_Netflix_Recommendation_System_based_on_TF-IDF_and_Cosine_Similarity_Algorithms
Jumadi, M., Mardian, M. & Yanti, L. (2020). Pengaruh strategi pembelajaran The Power of Two untuk meningkatkan kemampuan membaca teks eksposisi. Journal of Educational Review and Research, 3(1): 59-64. Diunduh di https://www.google.com/url?sa=i&url=https%3A%2F%2Fjournal.stkipsingkawang.ac.id%2Findex.php%2FJERR%2Farticle%2Fdownload%2F2064%2F1368&psig=AOvVaw38HRb5LH_vIpl7272aM5Km&ust=1747327203517000&source=images&cd=vfe&opi=89978449&ved=0CAYQrpoMahcKEwig5aubs6ONAxUAAAAAHQAAAAAQBA
Permana, A.H.J. & Wibowo, A.T. (2023). Movie Recommendation System Based on Synopsis Using Content-Based Filtering with TF-IDF and Cosine Similarity. International Journal on Information and Communication Technology, 9(2): 1-14. Diunduh di https://socjs.telkomuniversity.ac.id/ojs/index.php/ijoict/article/view/747/391
Rahmadhani, S., Hakim, L. & Wibowo, G. H. (2024). Sistem Rekomendasi Penelusuran Buku Berbasis Content-Based Filtering dengan Pembobotan TF-RF. Jurnal Informatika Polinema, 10(4): 491–500. Diunduh di https://jurnal.polinema.ac.id/index.php/jip/article/view/5565/3939
Ridhwanullah, D., Kumarahadi, Y.K. & Raharja, B.D. (2024). Content-Based Filtering pada Sistem Rekomendasi Buku Informatika. Jurnal Ilmiah Sinus, 22(2): 57-66. Diunduh di https://www.p3m.sinus.ac.id/jurnal/index.php/e-jurnal_SINUS/article/view/840/pdf
Rymmai, R.G. & JS, S. (2017). Book Recommendation using Cosine Similarity. International Journal of Advanced Research in Computer Science, 8(3): 276-281. Diunduh di https://www.ijarcs.info/index.php/Ijarcs/article/view/2995/2978
Siroj, R.A., Afgani, W., Fatimah, F., Septaria, D., Zahira, G., & Salsabila, S. (2024). Metode penelitian kuantitatif : Pendekatan ilmiah untuk analisis data. Jurnal Review Pendidikan dan Pengajaran, 7(3), 11279-11289. Diunduh di https://www.google.com/url?sa=i&url=https%3A%2F%2Fjournal.universitaspahlawan.ac.id%2Findex.php%2Fjrpp%2Farticle%2Fdownload%2F32467%2F21663%2F106592&psig=AOvVaw0n0aY_fYp7uYDjD5NX_AdA&ust=1747326257004000&source=images&cd=vfe&opi=89978449&ved=0CAYQrpoMahcKEwjg1oXYr6ONAxUAAAAAHQAAAAAQBA
Wardana, N.S., Aditiawan, F.P. & Sari, A.P. (2024). Logistic Regression Classification with TF-IDF and FastText for Sentiment Analysis of LinkedIn Reviews. Journal of Visions and Ideas, 4(3): 1359-1370. Diunduh di https://www.researchgate.net/publication/383378392_Logistic_Regression_Classification_with_TF-IDF_and_FastText_for_Sentiment_Analysis_of_LinkedIn_Reviews
Widianto, A., Pebriyanto, E., Fitriyanti & Marna. (2024). Document Similarity using Term Frequency-Inverse Document Frequency Representation and Cosine Similarity. Journal of Dinda, 4(2): 149-153. Diunduh di https://www.researchgate.net/publication/383453541_Document_Similarity_Using_Term_Frequency-Inverse_Document_Frequency_Representation_and_Cosine_Similarity
Downloads
Additional Files
- Implementasi_TF_IDF,_Cosine_Similarity,_dan_Logistic_Regression_Pada_Rekomendasi_Buku_Berdasarkan_Mood_Pembaca_Dengan_Dat.ipynb
- dataset test-ground-truth.csv
- dataset books.csv
- Implementasi TF-IDF, Cosine Similarity, dan Logistic Regression Pada Rekomendasi Buku Berdasarkan Mood Pembaca Dengan Data Oversampling
Published
Issue
Section
License
Penulis yang naskahnya diterbitkan menyetujui ketentuan sebagai berikut:
- Hak publikasi atas semua materi naskah jurnal yang diterbitkan/dipublikasikan dalam jurnal ini dipegang oleh dewan redaksi dengan sepengetahuan penulis (hak moral tetap milik penulis naskah).
- Ketentuan legal formal untuk akses artikel digital jurnal elektronik ini tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY), yang berarti Jurnal Device berhak menyimpan, mengalih media/format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan artikel tanpa meminta izin dari Penulis selama tetap mencantumkan nama Penulis sebagai pemilik Hak Cipta.
- Naskah yang diterbitkan/dipublikasikan secara cetak dan elektronik bersifat open access untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain tujuan tersebut, dewan redaksi tidak bertanggung jawab atas pelanggaran terhadap hukum hak cipta.
114.jpg){kind=logo}
