Collaborative Filterings dengan Knowledge Graph untuk Menentukan Rekomendasi Buku Bacaan pada Anak

Irbah, Ariqoh Fauziyah (2024) Collaborative Filterings dengan Knowledge Graph untuk Menentukan Rekomendasi Buku Bacaan pada Anak. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111740000051-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB) | Request a copy

Abstract

Tingkat literasi anak-anak Indonesia tergolong masih rendah dan tidak ada peningkatan yang signifikan seiring bergantinya tahun. Salah satu penyebab hal berpengaruh yang menyebabkan minat baca yang rendah adalah kualitas dan akses bacaan yang kurang. Sehingga pada penelitian kali ini akan membuat sistem rekomendasi yang dapat memberikan saran buku bacaan yang dapat dinikmati oleh anak. Sistem rekomendasi merupakan metode untuk memperkirakan informasi yang menarik bagi \textit{user} dan juga dapat membantu dalam melakukan pilihan. Dengan mempertimbangkan preferensi dari setiap user, diharapkan rekomendasi yang diberikan dapat disukai sehingga bisa meningkatkan minat baca anak-anak. Pada penelitian kali ini akan menggunakan informasi rating dari user terhadap buku dengan metode Collaborative Filterings dan informasi semantik dari buku itu sendiri dengan metode Knowledge Graph Embedding algoritma TransE. Kedua metode tersebut kemudian digabungkan dengan fusion semantic neighbors untuk mendapatkan rekomendasi buku. Nilai recall, precision, dan f-measure saat menggabungkan Collaborative Filterings dengan Knowledge Graph Embedding algoritma TransE adalah 0,107378, 0,021878, dan 0,029466. Nilai tersebut merupakan yang terbaik jika dibanding dengan saat hanya menggunakan salah satu dari Collaborative Filterings atau Knowledge Graph saja. Penggunaan metode Collaborative Filterings-Knowledge Graph Embedding algoritma TransE berhasil memberikan rekomendasi buku yang tidak hanya bergantung pada penilaian dari user lain, namun juga dari nilai semantik buku yang telah dibaca sebelumnya sehingga buku-buku yang direkomendasikan lebih sesuai dengan preferensi anak.
==============================================================================================================================
The literacy level of Indonesian children remains relatively low, with no significant increase over time. One of the influential causes of low reading interest is poor quality and lack of access to reading materials. Thus, in this study, a recommendation system will be created to provide suggestions for reading books that can be enjoyed by children. A recommendation system is a method for estimating information that is interesting to users and can help them make informed choices. By considering user preferences, it is hoped that recommendations can be liked so that they can increase children's interest in reading. The collaborative filtering method will be used on the rating of a book by user, and semantic information from a book will be obtained using the knowledge graph method. The proposed methods are then combined with fusion semantic neighbors to obtain book recommendations. The recall, precision, and f-measure values when combining Collaborative Filterings with the Knowledge Graph Embedding of the TransE algorithm were 0.107378, 0.021878, and 0.029466. These values are the best compared to using only one of the collaborative filtering or knowledge graphs. The use of the Collaborative Filterings-Knowledge Graph Embedding TransE algorithm successfully provides book recommendations that do not only depend on the assessments of other users but also on the semantic value of books that have been read previously so that the recommended books are more in line with children's preferences.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Knowledge Graph, Recommendation System, Collaborative Filterings, Sistem Rekomendasi, Collaboration Filterings
Subjects:	Q Science > QA Mathematics > QA76.9.I58 Recommender systems (Information filtering)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Ariqoh Fauziyah Irbah
Date Deposited:	26 Aug 2024 08:00
Last Modified:	26 Aug 2024 08:00
URI:	http://repository.its.ac.id/id/eprint/113837

Actions (login required)

View Item