APLIKASI REKOMENDASI E-BOOK PADA PERPUSTAKAAN DIGITAL MENGGUNAKAN DEEP COLLABORATIVE FILTERING BERBASIS MOBILE DAN WEB

Perpustakaan digital mengalami permasalahan sparsity matriks rating karena pemberian rating yang cenderung jarang diberikan oleh user. Banyaknya user yang hanya menilai sejumlah kecil item, membuat sistem rekomendasi collaborative filtering memberikan hasil rekomendasi dengan akurasi yang sangat rendah. Oleh karena itu, dalam Tugas Akhir ini digunakan metode Deep Collaborative Filtering (DCF) yang merupakan penggabungan pendekatan collaborative filtering yaitu probabilistic matrix factorization dengan salah satu teknik deep learning yaitu marginalized denoising auto-encoders untuk memprediksi rating user terhadap suatu item, sehingga dapat mengurangi sparsity matriks rating pada perpustakaan digital. Berdasarkan hasil pengujian dengan Black Box Testing perangkat lunak secara fungsional mengeluarkan hasil sesuai dengan yang diharapkan. Hasil pengujian keakuratan deep collaborative filtering dengan 10 kali pengujian menunjukkan bahwa nilai error yang didapatkan menghasilkan nilai rata - rata error yang relatif rendah terhadap 30 user dan 100 item dengan nilai MAE 0,83445 dan RMSE 0.93618.