IMPLEMENTASI METODE ITEM-BASED CLUSTERING HYBRID PADA SISTEM REKOMENDASI BUKU

Sistem rekomendasi merupakan sebuah alat personalisasi yang menyediakan kepada pengguna informasi daftar item-item yang sesuai dengan keinginan masing-masing pengguna. Berdasarkan data Badan Pusat Statistik (BPS) tahun 2012, ±18% masyarakat di Indonesia memiliki kegemaran untuk membaca buku. Mereka bahkan memiliki komunitas sendiri, baik online maupun offline yang digunakan untuk mencari rekomendasi buku. Namun informasi yang didapat tidak cukup memberikan rekomendasi buku yang sesuai dikarenakan buku yang beredar saat ini memiliki berbagai jenis genre, konten dan pengarang. Hal tersebut membuat calon-calon pembaca sulit dan bingung dalam menemukan buku yang sesuai dengan mereka. Item-based Clustering Hybrid Method (ICHM) adalah salah satu metode pendekatan hybrid yang menggabungkan pendekatan content-based dan collaborative filtering. ICHM dapat mengatasi masalah cold-start problem, sparsity dan dapat memberikan rekomendasi item yang bervariasi dengan konten yang berbeda dengan item yang telah dipilih oleh user. Hasil pengujian menyimpulkan bahwa metode Item-based Clustering Hybrid dapat menyediakan rekomendasi daftar buku yang sesuai dengan rating buku yang diberikan oleh pengguna. Pengaruh nilai koefisien dan penambahan jumlah data record rating mempengaruhi tingkat akurasi prediksi sistem, semakin kecil nilai koefisien maka semakin akurat prediksi sistem dan semakin besar jumlah data record rating maka semakin akurat prediksi yang diberikan oleh sistem. Nilai koefisien 0.1 memperoleh nilai MAE terendah sebesar 0.09426, jumlah data record rating memperoleh nilai MAE terendah sebesar 0.05336 dan jumlah cluster 4 merupakan cluster terbaik dengan memperoleh nilai MAE terendah sebesar 0.09797.