Booksenion Books Second Opinion

Telematika.ORG
@telematika_org

Booksenion (Books Second Opinion) merupakan sistem book recommender yang dapat membantu pengguna mengevaluasi shopping cart buku yang ingin dibeli. Sistem Booksenion, berbasis KNN, menandakan buku-buku di shopping cart pengguna sebagai ‘pilihan bagus’ atau ‘pilihan jelek’ berdasarkan penurunan preferensi pengguna dari shopping cart. Sistem akan merekomendasikan buku baru ketika buku dicap sebagai ‘pilihan jelek’. Booksenion dapat digunakan ketika terdapat pembaca yang ingin membeli buku namun ragu terhadap pilihannya. Dengan Booksenion, pengguna jadi tahu buku mana di shopping cart pengguna yang bagus dan sesuai dengan karakteristik pengguna.

Booksenion (Books Second Opinion) merupakan sebuah proyek sistem book recommender. Program ini membantu pengguna mengevaluasi shopping cart buku yang ingin dibeli dengan algoritma KNN. Setiap buku pada shopping cart pengguna diklasifikasikan menjadi ‘recommended’ atau ‘not recommended’ berdasarkan model KNN, dan diberikan alternatif terhadap buku ‘not recommended’ melalui KNN juga. Dengan Booksenion, pengguna jadi tahu buku mana di shopping cart yang bagus dan sesuai dengan karakteristik pengguna.

Latar belakang dari proyek ini adalah sering terjadinya kebingungan pembaca pada saat ingin membeli buku, namun tidak tahu apakah buku yang ingin dibeli bagus untuk dibaca oleh pengguna atau tidak. Dengan banyaknya sumber data mengenai pembaca buku dan berkembangnya machine learning, terdapat sebuah kesempatan untuk membantu memudahkan pembaca buku untuk memilih buku yang cocok dengan karakteristik pembaca, hanya berdasarkan shopping cart pembaca tanpa langkah-langkah tambahan.

Sistem yang dibuat berbasis genre-metric yang dapat menjelaskan karakteristik dari pembaca dan buku. Terdapat dua jenis metric, yaitu user-metric yang merepresentasikan preferensi genre buku pembaca dan book-metric yang merepresentasikan karakteristik para pembaca buku yang bersangkutan. Cara kerja sistem meliputi tiga tahap. Pada tahap pertama, dari shopping cart pengguna diturunkan user-metric pengguna dan dicari pembaca-pembaca yang paling mirip dengan pengguna menggunakan KNN. Pada tahap kedua, buku pada shopping cart pengguna ditandai dengan label ‘recommended’ atau ‘not recommended’ berdasarkan pembaca-pembaca yang mirip dengan pengguna. Pada tahap ketiga, direkomendasikan buku alternatif dari buku yang telah dilabel ‘not recommended’ melalui KNN, dengan meninjau book-metric dan daftar rating buku dari pembaca-pembaca yang mirip dengan pengguna.

Bahasa pemrograman yang digunakan adalah Python dengan library pandas, sklearn & scipy, matplotlib & seaborn, Tkinter & PIL, dan Requests & io. GUI sederhana digunakan untuk menampilkan implementasi dari sistem.