SISTEM REKOMENDASI BUKU DENGAN METODE K-NEAREST NEIGHBOR (K-NN) PADA GRAMEDIA

Authors

  • Hafizh Dharmawan Universitas Buana Perjuangan Karawang
  • Tukino Universitas Buana Perjuangan Karawang
  • Shofa Shofiah Hilabi Universitas Buana Perjuangan Karawang
  • Ismi Karniawulan Universitas Buana Perjuangan Karawang

DOI:

https://doi.org/10.31849/zn.v5i1.12203

Keywords:

Algoritma K-Nearest Neighbor, Ball tree, Sistem Rekomendasi, Gramedia

Abstract

Sistem rekomendasi merupakan cara yang efektif untuk membantu pengguna mencari buku yang sesuai dengan preferensinya. Sistem ini menggunakan algoritma K-Nearest Neighbor Ball tree untuk mengidentifikasi buku yang paling mirip dengan buku yang dipilih oleh pengguna dan merekomendasikan buku tersebut kepada pengguna. Metode K-Nearest Neighbor Ball tree membutuhkan banyak data untuk menghasilkan hasil yang akurat. Data ini mencakup informasi tentang buku-buku toko buku Gramedia, seperti judul, peringkat, pengarang, kategori, dan lain-lain. Sistem ini menggunakan metode K-Nearest Neighbor Ball tree dengan Google Colab untuk mengklasifikasikan dataset buku dan membuat rekomendasi berdasarkan minat pengguna. Hasilnya adalah rekomendasi buku dengan uji presisi 80% yang menunjukkan bahwa sistem ini efektif dalam menyarankan buku yang sesuai dengan minat pengguna.

Downloads

Published

2023-01-23

Issue

Vol. 5 No. 1 (2023): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode Januari 2023

Section

Articles

License

CC BY-SA 4.0


Attribution-ShareAlike 4.0

You are free to:

  1. Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
  2. Adapt — remix, transform, and build upon the material for any purpose, even commercially.
  3. The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:

  1. Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  2. ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
  3. No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:

You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation .

No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.

How to Cite

[1]
“SISTEM REKOMENDASI BUKU DENGAN METODE K-NEAREST NEIGHBOR (K-NN) PADA GRAMEDIA ”, zn, vol. 5, no. 1, pp. 16–25, Jan. 2023, doi: 10.31849/zn.v5i1.12203.