Optimasi Sistem Rekomendasi Peminjaman Buku Menggunakan Algoritma Hybrid Long Short Term Memory Dan K-Nearest Neighbor

Darminta, Atep (2024) Optimasi Sistem Rekomendasi Peminjaman Buku Menggunakan Algoritma Hybrid Long Short Term Memory Dan K-Nearest Neighbor. Masters thesis, Universitas Komputer Indonesia.

	Text UNIKOM_Atep Darminta_Cover.pdf - Published Version Download (259kB)
	Text UNIKOM_Atep Darminta_Lembar Pengesahan.pdf - Published Version Download (145kB)
	Text UNIKOM_Atep Darminta_Surat Keterangan Persetujuan Publikasi.pdf - Published Version Download (1MB)
	Text UNIKOM_Atep Darminta_Lembar Keaslian.pdf - Published Version Download (46kB)
	Text UNIKOM_Atep Darminta_Kata Pengantar.pdf - Published Version Download (237kB)
	Text UNIKOM_Atep Darminta_Daftar Isi.pdf - Published Version Download (257kB)
	Text UNIKOM_Atep Darminta_Bab I.pdf - Published Version Download (258kB)
	Text UNIKOM_Atep Darminta_Bab II.pdf - Published Version Download (736kB)
	Text UNIKOM_Atep Darminta_Bab III.pdf - Published Version Restricted to Repository staff only Download (732kB) | Request a copy
	Text UNIKOM_Atep Darminta_Bab IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text UNIKOM_Atep Darminta_Bab V.pdf - Published Version Download (239kB)
	Text UNIKOM_Atep Darminta_Daftar Pustaka.pdf - Published Version Download (376kB)
	Text UNIKOM_Atep Darminta_Kontak Penulis dan Kontributor.pdf - Published Version Download (387kB)

Abstract

Penelitian ini mengembangkan sistem rekomendasi peminjaman buku berbasis algoritma Hybrid Long Short Term Memory (LSTM) dan K-Nearest Neighbor (KNN) di perpustakaan SMAN 1 Cisarua, Kabupaten Bandung Barat. Sistem rekomendasi ini bertujuan untuk meningkatkan efektivitas pengelolaan peminjaman buku dan kualitas layanan perpustakaan. Dataset yang digunakan adalah histori peminjaman buku dari November 2022 hingga Februari 2024, dengan 1.267 transaksi peminjaman, 610 judul buku, dan 141 anggota perpustakaan. Penelitian ini melakukan preprocessing data untuk mempersiapkan dataset bagi model LSTM dan K-NN. Model LSTM digunakan untuk mempelajari pola peminjaman buku dengan menganalisis data riwayat peminjaman. Model K-NN digunakan untuk memberikan rekomendasi buku berdasarkan kemiripan vektor representasi dari judul-judul buku. Evaluasi kinerja sistem rekomendasi dilakukan menggunakan metrik-metrik seperti Confusion Matrix, kurva Area Under Curve - Receiver Operating Characteristic (AUC-ROC), dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa penggunaan pendekatan hybrid ini dapat meningkatkan akurasi dan kualitas rekomendasi buku yang diberikan kepada anggota perpustakaan. Model ini berhasil mencapai peningkatan nilai kinerja: akurasi sebesar 11,90% – 22,82%, precision sebesar 13,64% - 14,42%, recall sebesar 00,27% - 18,38%, F1-score sebesar 07,16% - 16,56%, nilai AUC-ROC sebesar 11% - 28%, dan penurusan nilai RMSE sebesar 25,72% - 15,22%. Peningkatan ini menunjukkan bahwa sistem rekomendasi dapat membantu perpustakaan dalam meningkatkan minat baca anggotanya. Dengan adanya aplikasi sistem rekomendasi ini, diharapkan pengguna dapat lebih mudah menemukan buku yang sesuai dengan minat dan preferensi mereka, sehingga meningkatkan pengalaman pengguna dalam mengakses informasi di perpustakaan.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Sistem Rekomendasi, Hybrid, Long Short Term Memory, K-Nearest Neighbor, Perpustakaan
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software
Divisions:	S2 PASCA SARJANA > S2_Magister Sistem Informasi (51)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	15 May 2025 01:40
Last Modified:	15 May 2025 01:40
URI:	http://elibrary.unikom.ac.id/id/eprint/10216

Actions (login required)

View Item