Prediksi Rating Novel Baru Berdasarkan Sinopsis Menggunakan Genre Based Collaborative Filtering Dan Text Similarity

Palupi, Rhevitta Widyaning (2018) Prediksi Rating Novel Baru Berdasarkan Sinopsis Menggunakan Genre Based Collaborative Filtering Dan Text Similarity. Sarjana thesis, Universitas Brawijaya.

Abstract

Novel merupakan suatu cerita yang memiliki alur panjang yang bersifat imajiantif. Berdasarkan pilihan editor pada situs Amazon.com, 50 dari 100 buku dengan penjualan terbaik merupakan novel. Hal tersebut menunjukkan bahwa ketertarikan masyarakat terhadap novel cukup tinggi sebagai salah satu jenis bacaan. Namun saat ingin memilih novel yang hendak dibaca, pembaca terkadang merasa bingung untuk mengetahui kualitas dari novel tersebut. Salah satu acuan dalam melihat kualitas suatu produk yaitu rating. Situs Goodreads merupakan salah satu situs yang memungkinkan peninjau amatir menuliskan ulasan serta rating untuk membantu pembaca dalam memilih buku yang relevan. Namun terkadang pengguna Goodreads tidak memberikan rating terhadap suatu buku sehingga pengikut dari pengguna tersebut ingin mengetahui rating yang diberikan pengguna pada buku tersebut. Penelitian ini menggunakan metode Genre Based Collaborative Filtering sebagai penghitungan prediksi rating dan Text Similarity untuk mengetahui nilai kesamaan antara dokumen yang satu dengan lainnya. Data yang digunakan pada penelitian ini sebanyak 31 user dan 90 sinopsis sebagai data latih dan 35 sinopsis sebagai data uji. Akurasi sistem yang diperoleh dari hasil klasifikasi dengan menggunakan nilai kesamaan pada text similarity sebesar 45,714286% dan nilai MAE sebesar 0,27742857 sehingga dapat disimpulkan bahwa metode genre based collaborative filtering dan text similarity dapat digunakan untuk melakukan prediksi rating.

English Abstract

The novel is a story that has a long, imaginary plot. Based on the editor's choice on the Amazon.com website, 50 of the 100 best-selling books are novels. This shows that public interest in the novel is quite high as one type of reading. But when you want to choose a novel that you want to read, readers sometimes feel confused to know the quality of the novel. One reference in looking at the quality of a product is rating. The Goodreads site is one site that allows amateur reviewers to write reviews and ratings to help readers choose relevant books. But sometimes Goodreads users don't give ratings to a book so followers from that user want to know the rating given by the user in the book. This study uses the Genre Based Collaborative Filtering method as a calculation of rating predictions and Text Similarity to determine the value of similarity between documents with each other. The data used in this study were 31 users and 90 synopsis as training data and 35 synopsis as test data. System accuracy obtained from the classification results by using the similarity value on text similarity of 45,714286% and MAE value of 0,27742857 so that it can be concluded that the method of genre based collaborative filtering and text similarity can be used to make rating predictions.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/1000/051900803
Uncontrolled Keywords:	prediksi rating, novel, Goodreads, Genre Based Collaborative Filtering, Text Similarity
Subjects:	800 Literature (Belles-letters) amd rhetorics > 808 Rhetoric and collections of literary texts from more than two literatures > 808.3 Rhetoric of fiction
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Endang Susworini
Date Deposited:	24 Oct 2019 02:47
Last Modified:	24 Jun 2022 02:11
URI:	http://repository.ub.ac.id/id/eprint/167100

Text Rhevitta Widyaning Palupi.pdf Download (6MB)

Actions (login required)

View Item