BUDIMn, Prisca Della (2025) Analisis Model Rekomendasi Buku Menggunakan Metode Hybrid filtering dengan Skenario Cold-Start Pengguna. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 4. HALAMAN PENGESAHAN.pdf Download (241kB)
	Text 7. ABSTRAK.pdf Download (200kB)
	Text 8. ABSTRACT.pdf Download (199kB)
	Text 9. DAFTAR ISI.pdf Download (242kB)
	Text 12. BAB I.pdf Download (235kB)
	Text 2. HALAMAN JUDUL.pdf Download (191kB)

Abstract

ABSTRAK
Perkembangan teknologi memicu lonjakan data yang menimbulkan masalah information
overload. Sistem rekomendasi muncul sebagai solusi, namun masih menghadapi tantangan
seperti data sparsity dan cold-start. Pendekatan hybrid filtering bertujuan mengatasi hal
tersebut dengan menggabungkan metode collaborative filtering dan content-based filtering.
Penerapan model rekomendasi masih didominasi oleh domain e-commerce dan industri film,
sedangkan penerapannya di domain buku, terutama untuk skenario cold-start pengguna,
masih terbatas dan kurang dieksplorasi. Penelitian ini mengusulkan analisis kinerja metode
hybrid filtering untuk rekomendasi buku di skenario cold-start pengguna. Dataset yang
digunakan adalah BookCrossing yang mencakup interaksi pengguna, metadata pengguna,
dan metadata buku, kemudian dilengkapi oleh OpenLibrary API. Model dilatih
menggunakan loss function WARP dengan konfigurasi fitur, dimensi embedding, dan
learning rate terbaik guna memaksimalkan nilai AUC, precision@10, hit rate@10, dan
coverage. Metode hybrid filtering memberikan kinerja model terbaik dengan nilai AUC
0,8039, precision@10 0,2261, hit rate@10 0,8484, dan coverage 0,5761. Hasil tersebut
menunjukkan bahwa metode hybrid filtering mampu memitigasi masalah cold-start
pengguna dan memberikan rekomendasi buku yang relevan.
Kata kunci : Model rekomendasi, rekomendasi buku, hybrid filtering, cold-start pengguna

Actions (login required)

View Item