SISTEM REKOMENDASI PEMINJAMAN BUKU DI UPT PERPUSTAKAAN UNS DENGAN METODE ITEM-BASED COLLABORATIVE FILTERING DAN RATING IMPLISIT - UNS Institutional Repository

(1)

i

SISTEM REKOMENDASI PEMINJAMAN BUKU DI UPT PERPUSTAKAAN UNS DENGAN METODE ITEM-BASED

COLLABORATIVE FILTERING DAN RATING IMPLISIT

HALAMAN JUDUL

SKRIPSI

Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Program Studi Informatika

Disusun Oleh: MIRRA PRASASTI

NIM M0512035

PROGRAM STUDI INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET

SURAKARTA

(2)

ii

SKRIPSI

HALAMAN PERSETUJUAN

SISTEM REKOMENDASI PEMINJAMAN BUKU DI UPT

PERPUSTAKAAN UNS DENGAN METODE

ITEM-BASED

COLLABORATIVE FILTERING

DAN

RATING

IMPLISIT

Disusun Oleh : MIRRA PRASASTI

NIM. M0512035

telah disetujui oleh pembimbing pada tanggal 7 November 2017

Pembimbing I,

Ristu Saptono, S. Si., M. T. NIP. 19790210 200212 1 001

Pembimbing II,

(3)

iii

SKRIPSI

HALAMAN PENGESAHAN

SISTEM REKOMENDASI PEMINJAMAN BUKU DI UPT

PERPUSTAKAAN UNS DENGAN METODE

ITEM-BASED

COLLABORATIVE FILTERING

DAN

RATING

IMPLISIT

Disusun Oleh : MIRRA PRASASTI

M0512035

telah dipertahankan di hadapan dewan penguji pada tanggal 21 November 2017

Susunan Dewan Penguji

1. Ristu Saptono, S. Si., M.T. (Ketua) ( ) NIP. 19790210 200212 1 001

2. Winarno S. Si., M. Eng (Sekretaris) ( ) NIP 19820520 200604 1 001

3. Abdul Aziz S.Kom., M.Cs. (Anggota) ( ) NIP. 19810413 200501 1 001

4.DENIS EKA CAHYANI S.Kom.,M.Kom. (Anggota) ( ) NIP. 19910310 2016 1 001

Disahkan Oleh

Kepala Program Studi Informatika

(4)

iv MOTTO

“Apa pun yang terjadi, hadapi. Bagaimana pun, hidup harus terus berlanjut.”

Mirra Prasasti

“janganlah takut, sebab Aku menyertai engkau, janganlah bimbang, sebab Aku ini Allahmu; Aku akan meneguhkan, bahkan akan menolong engkau; Aku akan

memegang engkau dengan tangan kanan-Ku yang membawa kemenangan.”

Yesaya 41 : 10

“Sebab TUHAN, Dia sendiri akan berjalan di depanmu, Dia sendiri akan menyertai engkau, Dia tidak akan membiarkan engkau dan tidak akan

meninggalkan engkau; janganlah takut dan janganlah patah hati.”

(5)

v PERSEMBAHAN

(6)

vi

SISTEM REKOMENDASI PEMINJAMAN BUKU DI UPT PERPUSTAKAAN UNS DENGAN METODE ITEM-BASED

COLLABORATIVE FILTERING DAN RATING IMPLISIT

MIRRA PRASASTI

Program Studi Informatika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret

ABSTRAK

Perpustakaan merupakan salah satu penunjang penting dalam institusi pendidikan. Pelayanan utama perpustakaan adalah memfasilitasi transaksi peminjaman buku. Untuk memudahkan para anggotanya menemukan buku yang tepat, perpustakaan seringkali dilengkapi dengan sistem pencarian buku. Tetapi sistem pencarian buku saja tidak cukup membantu untuk menemukan buku yang tepat bagi anggota yang belum menentukan buku yang akan dipinjam. Masalah tersebut dapat diatasi dengan sistem rekomendasi. Item-based Collaborative Filtering merupakan salah satu metode sistem rekomendasi yang dapat memberikan rekomendasi secara personal bagi user. Pada penelitian ini, Item-based Collaborative Filtering dengan menggunakan rating implisit diterapkan untuk membuat sistem rekomendasi peminjaman buku di UPT Perpustakaan UNS. Pengujian dilakukan dengan mengosongkan rating mulai dari 10%, 20%, 30%, 40%, dan 50%, dengan 40 kali perulangan percobaan pada setiap pengosongan rating. Berdasarkan hasil pengujian, metode Item-based Collaborative Filtering dengan menggunakan rating implisit menghasilkan rata-rata accuracy, precision, dan recall masing-masing 0,9640; 0,5028; dan 0,5264 pada setiap level pengosongan rating.

(7)

vii

RECOMMENDER SYSTEM FOR UPT LIBRARY UNS BY USING

ITEM-BASED COLLABORATIVE FILTERING AND IMPLICIT RATING

MIRRA PRASASTI

Department of Informatics, Faculty of Mathematics and Natural Science,

Sebelas Maret University

ABSTRACT

Library is one of the important support in educational institutions. The main service of library is to facilitate the transaction of book lending. To help members to find the right book, the library is often equipped with a book search system. But these system is not helpful enough to find the right book for members who have not yet decided which books to borrow. These problem can be solved with a recommender system. Item-based Collaborative Filtering is one method of recommender system that can provide personalized recommendations for users. In this research, Item-based Collaborative Filtering using implisit rating was applied to make recommender system for UPT Library UNS. Testing was done by clearing the ratings from 10%, 20%, 30%, 40%, and 50%, with 40 repetition of experiment on each level testing set. Based on the test results, the proposed method produce in accuracy, precision, and recall respectively 0,9640; 0,5028; and 0,5264 at each level testing set.

(8)

viii KATA PENGANTAR

Puji syukur kepada Tuhan Yesus Kristus yang telah melimpahkan berkat dan kasih-Nya sehingga penulis dapat menyelesaikan Tugas Akhir dengan judul “Sistem Rekomendasi Peminjaman Buku di UPT Perpustakaan UNS dengan Metode Item-based Collaborative Filtering dan Rating Implisit”.

Penulis mengucapkan terimakasih kepada semua pihak yang telah membantu proses pengerjaan Tugas Akhir ini sehingga dapat berwujud sebagaimana yang diharapkan, yaitu kepada :

1. Keluarga yang telah memberikan dukungan moral dan material.

2. Bapak Ristu Saptono, S.Si., M.T. dan Bapak Winarno, S. Si., M. Eng selaku dosen pembimbing I dan pembimbing II atas ilmu, bimbingan, dan kesabaran yang diberikan selama pelaksanaan Tugas Akhir

3. Edith, Martha, Lisa, Mbak Reta, Mbak Natalia, Mbak Mona, dan Mas Yohanes Jatmiko serta Mbak Vikaris atas dukungan, perhatian, dan doa yang tak henti-hentinya selama penulis menyusun Tugas Akhir

4. Mahmud, Dian Adi, Adip, Cantya, Mega, Ardi, Zainal, Iis, Amel, dan Yonatan yang telah menemani dan membantu penulis selama mengerjakan Tugas Akhir.

5. Keluarga Informatika UNS 2012 atas momen, pengalaman indah, dukungan, dan motivasi yang telah diberikan kepada penulis.

Penulis berharap Tugas Akhir ini dapat bermanfaat bagi berbagai pihak.

Surakarta, 21 November 2017

(9)

ix

KATA PENGANTAR ... viii

DAFTAR ISI ... ix

DAFTAR TABEL ... xii

DAFTAR GAMBAR ... xiv

DAFTAR LAMPIRAN ... xv

BAB I PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Rumusan Masalah ... 3

1.3. Batasan Masalah... 3

1.4. Tujuan Penelitian ... 3

1.5. Manfaat Penelitian ... 4

1.6. Sistematika Penulisan ... 4

BAB II TINJAUAN PUSTAKA ... 6

2.1. Dasar Teori ... 6

(10)

x

2.1.2. User Profile Generation dan Maintenance ... 7

2.1.3. Rating ... 10

2.1.4. Pendekatan dalam Sistem Rekomendasi ... 11

2.1.5. Collaborative Filtering ... 12

2.1.6. Item-based Collaborative Filtering untuk Data Biner ... 17

2.1.7. Naïve Bayes ... 19

2.1.8. Laplacian Smoothing ... 20

2.1.9. Pengujian Hasil Prediksi menggunakan Receiver Operating Characteristic (ROC) ... 20

2.2. Penelitian Terkait ... 23

BAB III METODOLOGI PENELITIAN ... 29

3.1. Tahap Pengumpulan Data dan Pemrosesan Awal Data ... 29

3.1.1 Pengumpulan Data ... 29

3.1.2 Pemrosesan Awal Data ... 29

3.2. Tahap Pemodelan ... 31

3.2.1 Analisis Kebutuhan ... 31

3.2.2 Pemodelan Masalah ... 31

3.3. Tahap Implementasi ... 33

3.3.1 Implementasi Basis Data ... 33

3.3.2 Implementasi Metode pada Kode Program ... 33

3.4. Tahap Pengujian Metode... 33

BAB IV HASIL DAN PEMBAHASAN ... 36

4.1. Pemodelan Masalah ... 36

(11)

xi

4.1.2. Contoh Kasus ... 37

4.2. Pemilihan Threshold ... 43

4.3. Hasil Pengujian ... 45

4.3.1 Pengosongan Rating 10% ... 45

4.3.6 Perbandingan Hasil Pengujian ... 52

4.4. Analisis Hasil Pengujian ... 55

BAB V PENUTUP ... 57

5.1. Kesimpulan ... 57

5.2. Saran ... 57

(12)

xii DAFTAR TABEL

Tabel 2.1 Konsep Receiver Operating Characteristic (ROC) ... 21

Tabel 2.2 Penelitian Terkait ... 26

Tabel 3. 1 Percobaan Sederhana Sparsity ... 30

Tabel 3. 2 Confusion Matrix ... 34

Tabel 4.1 Representasi matriks user-item rating ... 36

Tabel 4.2 Representasi matriks user-item rating pada basis data ... 37

Tabel 4. 3 Nilai similarity antar item yang belum ada pada basis data ... 38

Tabel 4.4 N-tetangga terdekat setiap item ... 39

Tabel 4.5 Tabel class dan parameter untuk U1 terhadap I3 ... 39

Tabel 4.6 Pengujian Threshold pada Level Pengosongan Rating 10% ... 44

Tabel 4.7 Jumlah item yang mempunyai n-tetangga terdekat pada pengosongan rating 10% ... 44

Tabel 4.8 Hasil pengujian pada pengosongan rating 10% ... 45

Tabel 4.13 Perbandingan rata-rata nilai accuracy, precision, dan recall... 52

Tabel 4.14 Hasil pengujian nilai precision ... 53

Tabel 4.15 Hasil pengujian nilai recall ... 54

Tabel Lampiran 1 Data transaksi ... 61

Tabel Lampiran 2.1 Pengujian threshold pada pengosongan rating 10% ... 76

(13)

xiii

(14)

xiv DAFTAR GAMBAR

Gambar 2.1 Proses Collaborative Filtering (Sarwar et al, 2001) ... 13

Gambar 2.2 Proses User-based Collaborative Filtering... 14

Gambar 2.3 Proses Item-based Collaborative Filtering ... 14

Gambar 3.1 Diagram Metode Penelitian ... 29

Gambar 4. 1 Perbandingan rata-rata nilai accuracy ... 53

Gambar 4.2 Perbandingan rata-rata nilai precision... 55

(15)

xv

DAFTAR LAMPIRAN