Perbandingan Metode Pembobotan Tf-Rf Dan Tf-Idf Dikombinasikan Dengan Weighted Tree Similarity Untuk Sistem Rekomendasi Buku

Abstract

Unit Pusat Terpadu Perpustakaan merupakan perpustakaan pusat yang ada di Universitas Lambung Mangkurat. Perpustakaan ini mempunyai sistem pencarian buku namun sistem tersebut belum adanya fitur rekomendasi buku sehingga anggota menjadi kesulitan dalam melakukan pencarian buku yang sesuai dengan keinginan anggota. Oleh karena itu, dengan adanya rekomendasi buku atau saran buku yang lain dapat menjadi alternatif untuk membantu anggota dalam melakukan pencarian buku yang sesuai. Dalam penelitian ini menggunakan perbandingan pembobotan kata TF-IDF dan TF-RF dengan weighted tree similarity sebagai pengukur kemiripan diantara beberapa data dengan parameter tree yang sudah ditentukan dan dilakukan perbandingan perhitungan dengan menghitung tf-idf dengan tf-rf menggunakan perhitungan excel mendapatkan nilai yang berbeda antara tf-idf dengan tf-rf, pembobotan tf-idf dapat mengukur kemiripan antara dokumen dan kata kunci buku yang paling mirip dengan buku yang dianggap paling relevan. Sehingga anggota memasukan kata kunci kemudian akan menemukan kemiripan buku dari kata kunci yang dimasukan sebelumnya namun untuk pembobotan tf-rf memberikan kata kunci dari setiap kategori. Hasil perbandingan yang di dapat yaitu 96% untuk tf-idf dan 98% untuk tf-rf. Sistem ini menggunakan bahasa pemrograman python dengan web framework django. AbstractThe Central Integrated Library Unit is the central library at Lambung Mangkurat University. This library has a book search system but the system does not have a book recommendation feature so that members find it difficult to search for books that match the wishes of members. Therefore, the existence of book recommendations or other book suggestions can be an alternative to assist members in searching for suiTabel books. In this study using a comparison of the weighting of the words TF-IDF and TF-RF with weighted tree similarity as a measure of the similarity between several data and a comparison of calculations is carried out by calculating tf-idf with tf-rf using excel calculations to get different values between tf-idf and tf -rf, tf-idf weighting can measure the similarity between documents and keywords of the book that is most similar to the book that is considered the most relevant. So that members enter keywords and then find the similarity of books from the keywords entered previously but for weighting tf-rf provides keywords from each category. The comparison results obtained are 76% for tf-idf and 80% for tf-rf. This system uses the python programming language with the django web framework.