SISTEM REKOMENDASI BUKU MENGGUNAKAN WEIGHTED SUM PREDICTION BERBASIS WEB

Hasil survei menunjukkan bahwa 21 dari 30 orang responden yang membaca buku sering mencari rekomendasi buku secara online sehingga diperlukan suatu sistem rekomendasi buku. Selain itu, algoritma yang digunakan pada sistem rekomendasi yaitu content-based filtering, hanya dapat memberikan rekomendasi berupa item-item yang karakteristiknya mirip dengan item-item yang pernah di-rating sebelumnya. Untuk memperbaiki kekurangan tersebut, diperlukan metode Weighted Sum Prediction dalam memberikan rekomendasi, dengan melakukan perhitungan prediksi rating berdasarkan pada preferensi dari user-user lain. Selain itu, ditambahkan juga perhitungan kemiripan kata kunci dan genre dengan menggunakan TF-IDF (Term Frequency - Inverse Document Frequency). Perhitungan akan mengintegrasikan kemiripan kata kunci dan genre dengan kemiripan rating sehingga metode Weighted Sum Prediction diharapkan mampu menghasilkan prediksi rating yang lebih akurat yang dapat menghasilkan rekomendasi yang lebih baik. Sistem rekomendasi ini telah diuji dengan menggunakan metode blackbox dan pengujian akurasi dengan MAE (mean absolute error). Hasil pengujian akurasi menunjukkan nilai MAE terendah didapatkan ketika parameter 0.6 yaitu rata-rata 1.3405 dan paling tinggi didapatkan ketika parameter 0.7 yaitu rata-rata 1,4090