Implementasi Sistem Rekomendasi Buku Dengan Cosine Similarity Dan C-Support Vector Classification Pada Platform ADMTC

Latar Belakang: ADMTC merupakan salah platform yang dikembangkan oleh Zettabyte Pte., Ltd., dengan salah satu entitas penggunanya adalah pelajar. Saat ini pelajar tidak memiliki sistem pustaka sehingga permasalahan tersebut mengakibatkan pelajar kekurangan referensi dan kesulitan mengembangkan wawasan. Sebagai perusahaan yang menawarkan solusi teknologi di bidang pendidikan, Zettabyte menanggapi isu permasalahan ini dengan rencana membangun suatu fitur pustaka, dengan memberikan buku rekomendasi kepada pelajar. Sistem rekomendasi buku ini akan ditampilkan kepada pelajar berdasarkan riwayat bacaan ataupun buku yang ditetapkan oleh matakuliah. Maka metode yang digunakan dalam penelitian ini adalah SVC dan bantuan kernel fungsi kustom yaitu Cosine Similarity
Tujuan: Penelitian ini bertujuan membangun sistem berbasis web yang memberikan rekomendasi buku untuk pelajar berdasarkan riwayat bacaan dan buku yang berasal dari matakuliah dengan hasil keluaran yang diharapkan yaitu label dari data buku tersebut.
Metode Penelitian: Penelitian ini diawali dengan pengumpulan data yang diperoleh dari Google Books, dan pengolahan data berupa judul buku dan kategori. Kemudian pemodelan menggunakan SVC dengan kernel Cosine Similarity, dan model tersebut diekspor menggunakan pickle untuk diimplementasikan pada sistem rekomendasi buku.
Hasil: Penelitian ini melatih data sejumlah 6477 data dan menguji dengan 2169 data. Hasil evaluasi yang diberikan adalah accuracy 88%, precision 91%, recall 75%, f1-score 81%. Hasil tersebut diperoleh berdasarkan perbandingan nilai C yaitu nilai C=1 memberikan peningkatan performa model. Kemudian model yang sudah dibangun dan dievaluasi diimplementasi di dalam fitur inisiasi rekomendasi atau Pustaka Rekomendasi.
Kesimpulan: Penelitian ini menghasilkan suatu sistem rekomendasi buku dan membangun sebuah model yang diimplementasi menggunakan SVC dan kernel Cosine Similarity. Dalam meningkatkan kompleksitas kelas hipotesis dari klasifikasi, penelitian ini menggunakan nilai C=1 yang berhasil memberikan performa model dengan akurasi 88.4%.