https://github.com/addsarah/system-recommendation
Applied Machine Learning Expert Dicoding, last update May 2025
https://github.com/addsarah/system-recommendation
kaggle machine-learning python system-recommender system-recommentations tensorflow
Last synced: 5 months ago
JSON representation
Applied Machine Learning Expert Dicoding, last update May 2025
- Host: GitHub
- URL: https://github.com/addsarah/system-recommendation
- Owner: addsarah
- Created: 2025-05-14T15:41:30.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2025-07-10T15:45:28.000Z (12 months ago)
- Last Synced: 2025-07-19T10:32:08.547Z (12 months ago)
- Topics: kaggle, machine-learning, python, system-recommender, system-recommentations, tensorflow
- Language: Jupyter Notebook
- Homepage:
- Size: 1.15 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Laporan Proyek Akhir Machine Learning Expert Dicoding: System Recommendation - Books - Sarah Adibah
## Table of Contents
- [Project Overview](#project-overview)
- [Business Understanding](#business-understanding)
- [Data Understanding](#data-understanding)
- [Data Preparation](#data-preparation)
- [Modeling](#modeling)
- [Evaluation](#evaluation)
- [Kesimpulan](#kesimpulan)
- [Reference](#reference)
## Project Overview
Di tengah pesatnya kemajuan teknologi digital dan derasnya arus informasi, kemampuan membaca tetap menjadi fondasi utama dalam proses pembelajaran dan menjadi benteng awal dalam menangkal informasi palsu atau hoaks yang marak tersebar di media sosial maupun platform digital lainnya. Namun, kenyataan di lapangan menunjukkan bahwa minat baca masyarakat Indonesia masih sangat rendah. UNESCO menyebut bahwa indeks minat baca di Indonesia hanya sebesar **0,001%**, artinya dari setiap 1.000 orang, hanya satu orang yang memiliki kebiasaan membaca secara aktif. Data serupa dari _World’s Most Literate Nations Ranked_ yang dilakukan oleh Central Connecticut State University pada 2016 juga menempatkan Indonesia di peringkat **ke-60 dari 61 negara**, tepat di bawah Thailand dan hanya sedikit lebih baik dari Botswana, meskipun secara infrastruktur literasi Indonesia berada di atas beberapa negara Eropa.[[1]](https://www.rri.co.id/daerah/649261/unesco-sebut-minat-baca-orang-indonesia-masih-rendah)
Meski begitu, masih ada harapan dari berbagai pihak untuk meningkatkan minat baca masyarakat. Salah satunya melalui studi dari _Programme for International Student Assessment (PISA)_ pada 2022 yang menunjukkan bahwa Indonesia naik lima peringkat dalam literasi membaca dibandingkan tahun 2018, walaupun skor yang didapatkan masih mengalami penurunan dan tetap berada di **11 posisi terbawah dari 81 negara**. Hal ini diperkuat oleh pernyataan Prof. Mochamad Nursalim dari Universitas Negeri Surabaya yang mengatakan bahwa rendahnya minat baca bukan hanya terjadi di masyarakat umum, tetapi juga di kalangan mahasiswa. Menurutnya, transformasi digital telah mengubah kebiasaan membaca dari buku fisik ke bentuk elektronik atau digital, namun hal ini belum tentu diikuti dengan peningkatan minat membaca.[[1]](https://www.rri.co.id/daerah/649261/unesco-sebut-minat-baca-orang-indonesia-masih-rendah)
Survei Perpustakaan Nasional Republik Indonesia pada tahun 2022 memperlihatkan peningkatan kegemaran membaca masyarakat, dengan skor nasional mencapai **63,9 poin**, dihitung berdasarkan frekuensi membaca dan durasi akses terhadap bacaan digital. Daerah Istimewa Yogyakarta menempati posisi tertinggi dengan skor **72,29 poin**, disusul oleh Jawa Tengah (70,96), Jawa Barat (70,1), DKI Jakarta (68,71), dan Jawa Timur (68,54). Rata-rata waktu yang dihabiskan masyarakat Indonesia untuk membaca dalam sehari mencapai **1 jam 37,8 menit**, atau **hampir 10 jam per minggu**, menandakan adanya pertumbuhan minat baca dibanding tahun-tahun sebelumnya. Namun, jika dibandingkan secara global, Indonesia masih jauh tertinggal. Amerika Serikat, misalnya, memiliki rata-rata **17 buku** yang dibaca per orang per tahun, disusul India (**16 buku**) dan Inggris (**15 buku**). [[2]](https://infogarut.id/23-april-diperingati-sebagai-hari-buku-sedunia-apa-kabar-dengan-minat-baca-orang-indonesia)
Melihat kenyataan ini, perlu adanya inovasi teknologi yang dapat membantu meningkatkan budaya literasi masyarakat. Salah satu solusi yang potensial adalah pengembangan **sistem rekomendasi buku** berbasis _machine learning_ yang dapat membantu pengguna menemukan buku yang sesuai dengan minat, kebiasaan, dan preferensi mereka. Sistem ini dapat di-_deploy_ untuk berbagai kebutuhan, seperti katalog buku di perpustakaan, daftar rekomendasi buku digital, media sosial literasi seperti Medium, maupun _e-commerce_ buku seperti Gramedia Digital maupun Google Books. Dengan penerapan sistem ini, pengalaman membaca akan menjadi lebih personal, menyenangkan, dan efisien sehingga dengan harapan mampu meningkatkan frekuensi dan minat baca masyarakat secara luas.
## Business Understanding
### Problem Statements
Berdasarkan latar belakang yang telah dijelaskan di atas, maka diperoleh rumusan masalah yang akan diselesaikan pada proyek ini, yaitu:
1. Bagaimana cara melakukan tahap persiapan data buku, pengguna, dan _rating_ atau penilaian agar dapat digunakan sebagai informasi untuk membuat model _machine learning_ sistem rekomendasi?
2. Bagaimana cara membuat model _machine learning_ untuk sistem rekomendasi buku?
### Goals
Berdasarkan rumusan masalah yang telah dipaparkan di atas, maka didapatkan tujuan dari proyek ini, yaitu:
1. Melakukan tahap persiapan data sehingga data siap digunakan pada model _machine learning_ untuk sistem rekomendasi.
2. Membuat model _machine learning_ untuk sistem rekomendasi buku terbaik kepada pengguna.
### Solution Statements
Dibawah ini merupakan diagram alir *(workflow)* yang digunakan dalam pengerjaan proyek ini
```mermaid
flowchart LR
A[Dataset Download] --> B[Data Understanding]
B --> C[Data Preparation]
C --> D1[Content-Based Modeling]
C --> D2[Collaborative Filtering Modeling]
D1 --> E1[Content-Based Evaluation]
D2 --> E2[Collaborative Filtering Evaluation]
B --> F[Data Visualization]
```
Berdasarkan tujuan dari proyek yang telah dipaparkan di atas, maka berikut adalah beberapa solusi yang dapat dilakukan agar dapat mencapai tujuan dari proyek ini, yaitu:
1. **Tahap pra-pemrosesan data (data preprocessing)** merupakan proses awal yang bertujuan untuk mengubah data mentah menjadi data yang lebih rapi dan siap digunakan pada tahap berikutnya, dan transformasi lanjutan agar data berada dalam format yang optimal untuk membangun model. Proses ini mencakup:
- Penyesuaian serta perubahan nama kolom atau atribut sehingga proses pemanggilan data menjadi lebih efisien.
- Penggabungan beberapa data yang terpisah agar dapat digunakan secara utuh pada proses analisis dan pemodelan selanjutnya.
- Identifikasi nilai yang kosong atau tidak tersedia (_missing values_), lalu mengambil tindakan seperti menghapus data tersebut atau mengisinya dengan nilai tertentu agar tidak memengaruhi performa model.
- Deteksi data duplikat guna menghindari bias dalam hasil pemodelan.
3. **Tahap pembuatan model _machine learning_ untuk sistem rekomendasi buku** akan berfokus pada pembangunan sistem rekomendasi yang bersifat personal. Model akan dikembangkan menggunakan dua pendekatan utama, yaitu:
- _Content-based Recommendation_ merupakan metode yang menyarankan item yang memiliki kemiripan karakteristik dengan item yang sebelumnya disukai oleh pengguna. Pendekatan ini memanfaatkan profil preferensi pengguna berdasarkan data dari item yang telah diberi penilaian oleh pengguna lain sebelumnya dan merekomendasikan barang baru yang serupa kepada pengguna.[[3]](https://www.ibm.com/think/topics/content-based-filtering)
Dalam implementasinya, _content-based filtering_ menggunakan algoritma _TF-IDF Vectorizer_ untuk merepresentasikan fitur item dalam bentuk vektor, serta _Cosine Similarity_ untuk mengukur tingkat kesamaan antar item.[[4]](https://medium.com/@prateekgaurav/step-by-step-content-based-recommendation-system-823bbfd0541c)
- TF-IDF Vectorizer (Term Frequency-Inverse Document Frequency Vectorizer) merupakan metode yang digunakan untuk menghitung dan mengubah teks mentah menjadi bentuk numerik bermakna dalam format matriks, sehingga dapat diproses dan dipahami oleh model _machine learning_.[[5]](https://towardsdatascience.com/tf-idf-simplified-aba19d5f5530/)
Keunggulan dari teknik ini adalah tidak memerlukan data dari pengguna lain karena rekomendasi yang dihasilkan bersifat personal dan disesuaikan secara khusus untuk masing-masing pengguna. Namun, kelemahannya terletak pada keterbatasan rekomendasi yang hanya berasal dari preferensi pengguna tersebut, sehingga tidak memanfaatkan informasi dari penilaian pengguna lain untuk memperluas hasil rekomendasi.
TF-IDF dapat dihitung menggunakan rumus sebagai berikut:
$$idf_i=log \left( \frac{n}{df_i} \right)$$
Nilai $idf_i$ adalah skor Inverse Document Frequency untuk _term_ $i$, dengan $df_i$ menunjukkan jumlah dokumen yang mengandung _term_ tersebut, dan $n$ mewakili total seluruh dokumen. Semakin banyak dokumen yang mengandung _term_ tertentu (semakin tinggi $df$), maka nilai $idf$-nya akan semakin rendah. Jika suatu _term_ muncul di semua dokumen ($df = n$), maka nilai $idf$ menjadi 0 karena $log(1) = 0$.
Sedangkan Nilai TF-IDF diperoleh dari hasil perkalian antara matriks frekuensi term (TF) dengan nilai Inverse Document Frequency (IDF) masing-masing term.
$$w_{i,j}=tf_{i,j} \times idf_i$$
Skor TF-IDF $w_{i,j}$ menunjukkan bobot _term_ $i$ dalam dokumen $j$ yang diperoleh dari hasil perkalian antara frekuensi _term_ $tf_{i,j}$ dalam dokumen $j$ dan skor IDF $idf_i$ dari _term_ tersebut.
- Cosine Similarity
Teknik **cosine similarity** digunakan untuk menghitung tingkat kemiripan antara dua sampel berdasarkan sudut di antara vektor representasinya. [[6]](https://www.sciencedirect.com/topics/computer-science/cosine-similarity)
$$S_c(A,B) = \cos(\theta) = \frac{A \times B}{\|A\| \|B\|} = \frac{\displaystyle\sum_{i=1}^{n} {A_i}{B_i}}{\sqrt{\displaystyle\sum_{i=1}^{n} A_{i}^{2}} \sqrt{\displaystyle\sum_{i=1}^{n} B_{i}^{2}}}$$
$A_i$ dan $B_i$ adalah elemen-elemen penyusun vektor A dan B masing-masing.
_Content-based Recommendation_ unggul dalam merekomendasikan item baru karena tidak memerlukan data interaksi dari pengguna lain. Namun, kelemahannya terletak pada keterbatasan informasi yang tersedia yang bisa menghambat akurasi rekomendasi. Selain itu, sistem ini cenderung hanya merekomendasikan item yang sangat mirip dengan preferensi sebelumnya, sehingga membatasi keragaman rekomendasi atau menyebabkan _overspecialization_.[[3]](https://www.ibm.com/think/topics/content-based-filtering)
- _Collaborative Filtering Recommendation_
Sistem rekomendasi yang bekerja dengan cara merekomendasikan item berdasarkan kesamaan preferensi atau interaksi antar pengguna. Berbeda dengan content-based filtering yang fokus merekomendasikan item berdasarkan fitur dari item itu sendiri, collaborative filtering memanfaatkan pola kesamaan antar pengguna untuk memberikan rekomendasi yang lebih personal dan relevan bagi kelompok pengguna tertentu.[[7]](https://www.ibm.com/think/topics/collaborative-filtering)
Collaborative filtering unggul dalam memberikan rekomendasi yang beragam dan personal berdasarkan kesamaan minat pengguna lain, sehingga bisa menyarankan item baru yang relevan. Namun, metode ini memiliki kekurangan seperti _cold start_ pada pengguna atau item baru tanpa data interaksi, serta masalah _data sparsity_ yang menyulitkan sistem menemukan pola yang tepat. [[7]](https://www.ibm.com/think/topics/collaborative-filtering)
[←Table of Contents](#table-of-contents)
## Data Understanding
Data yang digunakan dalam proyek ini berasal dari _dataset_ yang diunduh dari Kaggle. Berikut ini adalah rincian informasi mengenai _dataset_ tersebut.
| Keterangan | Detail |
|------------------------|--------------------------------------------------------------------------------------------|
| Sumber | [Kaggle Dataset: Books Dataset](https://www.kaggle.com/datasets/saurabhbagchi/books-dataset) |
| Usability | 10.00 |
| Lisensi | CC0: Public Domain |
| Penilaian/Rating | Silver |
| Jenis & Ukuran Berkas | ZIP (26 MB) |
| Kategori | Business, Literature, E-Commerce Services, Recommender Systems, Marketing |
Dalam dataset tersebut berisi tiga (3) berkas CSV ([Comma-separated Values](https://docs.python.org/3/library/csv.html)), yaitu `books.csv`, `ratings.csv`, `users.csv` yang terdapat di dalam folder `books_data`.
1. **books.csv**, memiliki 271.360 baris, 8 kolom, dan atribut atau fitur sebagai berikut,
- `ISBN` : *International Standard Book Number*
- `Book-Title` : Judul buku
- `Book-Author` : Penulis buku
- `Year-Of-Publication` : Tahun terbit buku
- `Publisher` : Penerbit buku
- `Image-URL-S` : Tautan sampul buku ukuran kecil
- `Image-URL-M` : Tautan sampul buku ukuran sedang
- `Image-URL-L` : Tautan sampul buku ukuran besar
2. **ratings.csv**, memiliki 1.149.780 baris, 3 kolom, dan atribut atau fitur sebagai berikut,
- `User-ID` : Identitas unik pengguna berupa bilangan bulat atau integer
- `ISBN` : *International Standard Book Number*
- `Book-Rating` : *Rating* buku yang diberikan pengguna
3. **users.csv**, memiliki 278.858 baris, 3 kolom, dan atribut atau fitur sebagai berikut,
- `User-ID` : Identitas unik pengguna berupa bilangan bulat atau integer
- `Location` : Lokasi tempat tinggal pengguna
- `Age` : Umur pengguna
Deskripsi statistik untuk _dataset_ `ratings` pada fitur `Book-Rating` dapat dilihat pada tabel di bawah ini.
| | **Book-Rating** |
|------------------|-----------------|
| **count** | 1,149,780 |
| **mean** | 3 |
| **std** | 4 |
| **min** | 0 |
| **25%** | 0 |
| **50%** | 0 |
| **75%** | 7 |
| **max** | 10 |
| **dtype** | object |
Dari tabel di atas dapat dilihat bahwa terdapat:
- Total jumlah data (`count`) sebanyak 1.149.780;
- Rata-rata *rating* (`mean`) 3;
- Simpangan baku/standar deviasi *rating* (`std`) 4;
- *Rating* Minimal (`min`) 0;
- Kuartil bawah/Q1 *rating* (`25%`) 0;
- Kuartil tengah/Q2/median *rating* (`50%`) 0;
- Kuartil atas/Q3 *rating* (`75%`) 7;
- *Rating* maksimum (`max`) 10.
Berikut merupakan visualisasi grafik histogram yang menampilkan frekuensi distribusi *rating* yang diberikan pengguna terhadap buku yang telah mereka baca, dengan rentang nilai dari 0 hingga 10.
Dari visualisasi grafik histogram "Jumlah Rating Buku" di atas, terlihat bahwa *rating* yang paling sering muncul adalah *rating* 0, dengan jumlah lebih dari 700.000. Kehadiran rating 0 ini berpotensi menimbulkan bias dan memengaruhi hasil analisis, sehingga rating tersebut dihapus pada tahap [data preparation](#data-preparation).
Kondisi data berdasarkan dataset [Books Dataset](https://www.kaggle.com/datasets/saurabhbagchi/books-dataset) yang digunakan:
- **Missing Value**
- Pada dataset **books.csv**, terdapat 3 kolom (`book_author` sebanyak 2 data, `publisher` sebanyak 2 data, dan `image_url_l` sebanyak 3 data) yang memiliki *missing value*.
- Pada dataset **users.csv**, kolom `Age` memiliki 110.762 *missing value*.
- Dataset **ratings.csv** lengkap tanpa *missing value*.
- **Duplikat**
- Tidak ditemukan data duplikat pada seluruh kolom dari dataset `books`, `users`, dan `ratings` setelah dilakukan pembersihan menggunakan `.duplicated().sum()`.
- **Konsistensi Data**
- Variasi format penulisan `book_author`, "J. K. Rowling" dan "J.K. Rowling" dianggap sebagai data yang berbeda.
- Beberapa karakter pada `book_title` dalam bentuk karakter rusak akibat encoding yang tidak sesuai, "ü" yang seharusnya "ü", "é" yang seharusnya "é".
- **Ukuran Dataset**
- Jumlah data asli:
- `books.csv`: 271.360 baris dan 8 kolom yang berisi `ISBN`, `Book-Title`, `Book-Author`, `Year-Of-Publication`, `Publisher`, `Image-URL-S`, `Image-URL-M`, `Image-URL-L`;
- `ratings.csv`: 1.149.780 baris dan 3 kolom yang berisi `User-ID`, `ISBN`, `Book-Rating`;
- `users.csv`: 278.858 baris dan 3 kolom yang berisi `User-ID`, `Location`, `Age`
- Untuk efisiensi proses dan keterbatasan sumber daya (_RAM/GPU_), maka data dibatasi:
- **10.000 baris data `books`**
- **5.000 baris data `ratings`**
[←Table of Contents](#table-of-contents)
## Data Preparation
Tahap persiapan data atau *data preparation* adalah proses penting sebelum melakukan pengembangan model *machine learning* yang bertujuan untuk mengolah data mentah *(raw data)* menjadi data yang bersih *(clean data)*, penanganan data yang hilang (*missing value)*, pembersihan data duplikat, serta penggabungan data dari dataset buku dan *rating*, dan siap digunakan dalam proses analisis berikutnya. Proses ini mencakup beberapa langkah penting, antara lain:
- **Mengubah Nama Kolom/Atribut/Fitur**
Penggantian nama kolom, atribut, atau fitur pada masing-masing _dataframe_ dilakukan untuk mempermudah proses akses dan manipulasi data di tahap selanjutnya.
1. Books
| isbn | book_title | book_author | year_pub | publisher | image_url_s | image_url_m | image_url_l |
|------------|------------------------------------------------|-----------------------|----------|------------------------|---------------------------------------------------|---------------------------------------------------|---------------------------------------------------|
| 0195153448 | Classical Mythology | Mark P. O. Morford | 2002 | Oxford University Press| http://images.amazon.com/images/P/0195153448.0.jpg| http://images.amazon.com/images/P/0195153448.0.jpg| http://images.amazon.com/images/P/0195153448.0.jpg|
| 0002005018 | Clara Callan | Richard Bruce Wright | 2001 | HarperFlamingo Canada | http://images.amazon.com/images/P/0002005018.0.jpg| http://images.amazon.com/images/P/0002005018.0.jpg| http://images.amazon.com/images/P/0002005018.0.jpg|
| 0060973129 | Decision in Normandy | Carlo D'Este | 1991 | HarperPerennial | http://images.amazon.com/images/P/0060973129.0.jpg| http://images.amazon.com/images/P/0060973129.0.jpg| http://images.amazon.com/images/P/0060973129.0.jpg|
| 0374157065 | Flu: The Story of the Great Influenza Pandemic | Gina Bari Kolata | 1999 | Farrar Straus Giroux | http://images.amazon.com/images/P/0374157065.0.jpg| http://images.amazon.com/images/P/0374157065.0.jpg| http://images.amazon.com/images/P/0374157065.0.jpg|
| 0393045218 | The Mummies of Urumchi | E. J. W. Barber | 1999 | W. W. Norton & Company | http://images.amazon.com/images/P/0393045218.0.jpg| http://images.amazon.com/images/P/0393045218.0.jpg| http://images.amazon.com/images/P/0393045218.0.jpg|
2. Ratings
| user_id | isbn | book_rating |
|---------|------------|-------------|
| 276725 | 034545104X | 0 |
| 276726 | 0155061224 | 5 |
| 276727 | 0446520802 | 0 |
| 276729 | 052165615X | 3 |
| 276729 | 0521795028 | 6 |
3. User
| | user_id | location | age |
|-----|---------|---------------------------------|------|
| 0 | 1 | nyc, new york, usa | NaN |
| 1 | 2 | stockton, california, usa | 18.0 |
| 2 | 3 | moscow, yukon territory, russia| NaN |
| 3 | 4 | porto, v.n.gaia, portugal | 17.0 |
| 4 | 5 | farnborough, hants, united kingdom | NaN |
- **Menggabungkan Data ISBN**
Penggabungan data ISBN buku dilakukan dengan memanfaatkan fungsi `.concatenate` dari _library_ [`numpy`](https://numpy.org/). Karena informasi ISBN terdapat pada _dataframe_ buku dan _dataframe_ _rating_, maka dilakukan penyatuan data berdasarkan kolom `isbn`.
- **Menggabungkan Data User**
Sementara itu, penggabungan data `user_id` dilakukan juga menggunakan fungsi `.concatenate` dari _library_ [`numpy`](https://numpy.org/). Kolom `user_id` terdapat pada _dataframe_ _rating_ dan _user_, sehingga proses penggabungan dilakukan berdasarkan atribut `user_id`.
- **Penanganan *Missing Value***
Penanganan terhadap data kosong, hilang, _null_, atau _missing value_ dilakukan dan ditemukan pada _dataframe_ `books`, sehingga data yang hilang tersebut dihapus.
Sementara itu, pada _dataframe_ `ratings` tidak ditemukan _missing value_, namun perlu dilakukan penghapusan terhadap _rating_ bernilai 0. Hal ini dikarenakan _rating_ 0 merupakan kategori terbanyak berdasarkan hasil [_data understanding_](#data-understanding) sebelumnya, yaitu sebanyak 716.109 data. Jumlah tersebut berpotensi menimbulkan bias dalam analisis data, sehingga _rating_ 0 tidak disertakan dalam proses visualisasi grafik histogram berikutnya.
Setelah _rating_ 0 dihapus, hasil visualisasi grafik histogram menunjukkan pola distribusi frekuensi data yang lebih terstruktur dan mudah dibaca, khususnya pada rentang _rating_ 1 hingga 4.
Kemudian pada *dataframe* `Users`, terdapat sebanyak 110.762 *missing value* pada fitur umur yang terdapat nilai kosong atau tidak valid seperti `'NaN'`, `'nan'`, `' '`, dan tanda kutip tunggal (`'`).
| user_id | location | age |
|---------|---------------------------------|------|
| 1 | nyc, new york, usa | NaN |
| 2 | stockton, california, usa | 18.0 |
| 3 | moscow, yukon territory, russia | NaN |
| 4 | porto, v.n.gaia, portugal | 17.0 |
| 5 | farnborough, hants, united kingdom | NaN |
| ... | ... | ... |
| 278854 | portland, oregon, usa | NaN |
| 278855 | tacoma, washington, united kingdom | 50.0 |
| 278856 | brampton, ontario, canada | NaN |
| 278857 | knoxville, tennessee, usa | NaN |
| 278858 | dublin, n/a, ireland | NaN |
| 278858 rows × 3 columns | |
Oleh karena itu, dilakukan proses pembersihan data dengan mengganti nilai-nilai tersebut menjadi `np.nan`. Selanjutnya, kolom `age` dikonversi ke tipe numerik agar bisa dianalisis, dan baris yang masih mengandung nilai NaN dihapus menggunakan fungsi `dropna()`.
| user_id | location | age |
|---------|---------------------------------|------|
| 1 | nyc, new york, usa | 24.0 |
| 2 | stockton, california, usa | 18.0 |
| 4 | porto, v.n.gaia, portugal | 17.0 |
| 6 | santa monica, california, usa | 61.0 |
| 10 | albacete, wisconsin, spain | 26.0 |
| ... | ... | ... |
| 278849 | georgetown, ontario, canada | 23.0 |
| 278851 | dallas, texas, usa | 33.0 |
| 278852 | brisbane, queensland, australia | 32.0 |
| 278853 | stranraer, n/a, united kingdom | 17.0 |
| 278855 | tacoma, washington, united kingdom | 50.0 |
| 168096 rows × 3 columns | |
Setelah dilakukan pembersihan *missing value* dari dataset `user`, dapat dilihat pada tabel di atas bahwa tidak ada nilai kosong atau *null* yang ditemukan di seluruh kolomnya.
Berdasarkan hasil visualisasi grafik histogram umur *user* di atas, dapat dilihat bahwa mayoritas pengguna berada pada rentang usia 20—40 tahun, dengan puncak distribusi antara 30—35 tahun.
Terdapat pula sebagian kecil pengguna dengan usia di bawah 10 tahun dan di atas 80 tahun, namun jumlahnya jauh lebih sedikit dibandingkan kelompok usia produktif. Hal ini menunjukkan bahwa sistem rekomendasi buku kemungkinan besar lebih relevan jika disesuaikan dengan preferensi kelompok usia 20—40 tahun.
- **Penanganan Data Duplikat**
Melakukan Penanganan terhadap duplikasi data pada masing-masing _dataframe_. Berdasarkan hasil verifikasi, tidak ditemukan adanya data yang terduplikasi pada ketiga _dataframe_ yang dianalisis.
- **Menggabungkan Data Buku dan *Rating***
Melakukan penggabungan (_merge_) antara data buku dan data _rating_ untuk membentuk satu _dataframe_.
- **Data preparation untuk _Content-based Recommendation_**
- ***TF-IDF Vectorizer***
TF-IDF Vectorizer adalah teknik yang digunakan untuk mengubah data teks menjadi representasi numerik agar dapat dianalisis oleh mesin. Cara kerja TF-IDF dimulai dengan proses tokenisasi, yaitu memecah teks menjadi kata-kata atau frasa pendek. Kemudian, setiap kata dihitung frekuensinya di setiap dokumen (TF). Setelah itu, dihitung pula seberapa banyak dokumen dalam kumpulan data yang mengandung kata tersebut (IDF). Bobot akhir dari sebuah kata dihitung dengan mengalikan nilai TF dan IDF-nya. Hasil akhirnya berupa matriks sparse, yaitu matriks yang sebagian besar elemennya adalah nol.
Dalam proyek ini, TF-IDF digunakan untuk memetakan hubungan antara judul buku dan nama-nama penulis. Digunakan untuk mengubah data teks menjadi representasi numerik yang bermakna dalam bentuk matriks.
Ukuran matriks yang dihasilkan memiliki 10.000 data buku dan 5.575 data penulis (*author*).
| book_title | saavedra | louvish | gitlin | flank | reinhard | medina | volkart | hausman | hood | kincaid | morrell | whittaker | peretti | malerba | tropper | md | nicola | riccardo | fan | whittemore |
|-----------------------------------------------|----------|---------|--------|-------|----------|--------|---------|---------|------|---------|---------|-----------|---------|---------|---------|-----|--------|----------|------|------------|
| The Night of Four Hundred Rabbits | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Who Needs Decaf? (Harlequin Flipside, No. 6) | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| BEAUTIFUL AND DAMNED | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| The Seville Communion | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Richtig leben mit Geri Weibel. Neue Folge. | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Bodyguard /Husband : Ultimate Agents (Harlequin Intrigue Series) | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Working Class Zero | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Deadlock | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| An Irresistible Impulse | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| HIS LITTLE WOMEN : HIS LITTLE WOMEN | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
- **Data Preparation untuk _Collaborative Filtering Recommendation_**
Pada proyek ini juga digunakan pendekatan **collaborative filtering recommendation**, yang memerlukan tahap *data preparation* berupa data *users* secara acak dan variabel buku yang belum pernah dibaca oleh pengguna (`notReadedBooks`) *users* terhadap buku yang sudah dibaca oleh *user* yang digunakan pada tahap [data modeling](#modeling).
- **_Encoding_**
Menyandikan (*encoding*) fitur `user_id` dan `isbn` pada *dataframe* `ratings` menjadi bentuk indeks integer. Setelah itu, hasil *encoding* tersebut dipetakan kembali ke dalam *dataframe ratings* masing-masing.
Dari hasil tersebut, diperoleh 1.204 pengguna, 4.565 buku, dengan nilai *rating* terendah sebesar 1 dan nilai tertinggi sebesar 10.
- **Split *Training Data* dan *Validation Data***
Pada tahap ini, *dataframe ratings* diacak terlebih dahulu sebelum dibagi menjadi dua bagian dengan perbandingan 80:20,
di mana 80% digunakan sebagai data pelatihan (*training data*) dan 20% sisanya sebagai data pengujian (*validation data*).
| | user_id | isbn | book_rating | user | book |
|-------|---------|-------------|-------------|------|------|
| 1554 | 277427 | 0375408886 | 9 | 200 | 681 |
| 1465 | 277427 | 0060542128 | 7 | 200 | 666 |
| 9656 | 81 | 0375410538 | 5 | 649 | 2307 |
| 4153 | 278257 | 0060194596 | 9 | 462 | 1728 |
| 4324 | 278411 | 0446608831 | 8 | 500 | 1825 |
| ... | ... | ... | ... | ... | ... |
| 820 | 277051 | 0385720920 | 10 | 98 | 380 |
| 629 | 276939 | 2253063339 | 9 | 70 | 269 |
| 12371 | 1167 | 038533656X | 5 | 941 | 3478 |
| 2120 | 277478 | 0451459393 | 8 | 215 | 385 |
| 12752 | 1424 | 0156001314 | 8 | 1012 | 3676 |
|*5000 rows × 5 columns*|
Mengacu pada tahap [*data understanding*](#data-understanding) yang telah dilakukan sebelumnya, diketahui bahwa masing-masing _dataframe_ buku, _rating_, dan *user* memiliki volume data yang sangat besar, mencapai ratusan ribu hingga jutaan data. Kondisi ini berpotensi menimbulkan peningkatan kebutuhan waktu proses pemodelan _machine learning_, seperti memakan waktu yang lama dan _resource_ RAM maupun GPU yang cukup besar. Oleh karena itu, data yang digunakan dalam tahap pemodelan akan dibatasi pada 10.000 data buku dan 5.000 data _rating_.
```python
books = books[:10000]
ratings = ratings[:5000]
```
[←Table of Contents](#table-of-contents)
## Modeling
Tahap selanjutnya adalah proses _modeling_, yaitu membangun model _machine learning_ yang berfungsi sebagai sistem rekomendasi untuk menyarankan buku terbaik kepada pengguna berdasarkan sejumlah algoritma sistem rekomendasi tertentu.
### 1. Content-based Recommendation
- **_Cosine Similarity_**
Cosine Similarity adalah metode pengukuran kesamaan antara vektor representasi TF-IDF dari judul-judul buku untuk menemukan tingkat kemiripan antar buku. Nilai kemiripan ini berkisar antara 0 (tidak mirip sama sekali) hingga 1 (identik).
Hasil perhitungan ini menghasilkan matriks berukuran 10.000 data buku dan 10.000 data buku.
| book_title | Whisper to Me of Love | En LA Boca Del Dragon | Standing Out (72) | Angel of Darkness (Key Books) | Rebekah (Women of Genesis) | There's No Toilet Paper on the Road Less Traveled: The Best of Travel Humor and Misadventure (Travelers' Tales Guides) | Wolf Moon | The Country Under My Skin: A Memoir of Love and War |
|---------------------------------------------------------|------------------------|------------------------|-------------------|-------------------------------|----------------------------|--------------------------------------------------------------------------------------------------------------------------|-----------|-----------------------------------------------------|
| The Pursuit (Avon Historical Romance) | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Hawaii's Best Spooky Tales: True Local Spine-Tinglers | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| The STAR GROUP PAPERBACK | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Too Close to the Falls: A Memoir | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Die Entdeckung der Langsamkeit. | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Crescent City | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| The 1998 What Color Is Your Parachute | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| Rush Limbaugh Is a Big Fat Idiot: And Other Observations| 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
- **Top-N Recommendation**
Hasil pengujian sistem rekomendasi berbasis pendekatan _content-based recommendation_ ditampilkan pada tabel di bawah.
| | isbn | book_title | book_author | year_pub | publisher | image_url_s | image_url_m | image_url_l |
|-----|------------|--------------------------|-------------|----------|-------------|--------------------------------------------------|--------------------------------------------------|--------------------------------------------------|
| 102 | 0451166892 | The Pillars of the Earth | Ken Follett | 1996 | Signet Book | http://images.amazon.com/images/P/0451166892.0... | http://images.amazon.com/images/P/0451166892.0... | http://images.amazon.com/images/P/0451166892.0... |
Tabel tersebut menunjukkan data berdasarkan judul buku yang dipilih oleh pengguna sebagai masukan.
| | book_title | book_author |
|----|------------------------------------------|-------------|
| 0 | Jackdaws | Ken Follett |
| 1 | Doble Juego | Ken Follett |
| 2 | Code to Zero | Ken Follett |
| 3 | Nacht über den Wassern. | Ken Follett |
| 4 | Los Pilares de la Tierra | Ken Follett |
| 5 | The Hammer of Eden: A Novel | Ken Follett |
| 6 | Paper Money | Ken Follett |
| 7 | Die Säulen der Erde. Roman. | Ken Follett |
| 8 | Night over Water | Ken Follett |
Berdasarkan hasil di atas, dapat disimpulkan bahwa sistem yang dikembangkan mampu menghasilkan sejumlah rekomendasi judul buku yang relevan berdasarkan judul buku input **“The Pillars of the Earth”**. Judul-judul yang direkomendasikan merupakan hasil perhitungan kesamaan konten oleh sistem.
### 2. Collaborative Filtering Recommendation
Merekomendasikan buku berdasarkan preferensi pengguna lain yang memiliki pola rating serupa. Setelah tahap data preparation selesai, dilakukan analisis kesamaan antar *user* dan mengidentifikasi buku yang disukai oleh *user* serupa namun belum dibaca oleh *user*. Setiap buku diberikan skor prediksi berdasarkan kemungkinan disukai *user*. Hasil prediksi ini digunakan untuk menampilkan rekomendasi yang paling relevan.
Model rekomendasi ini dikembangkan menggunakan kelas `RecommenderNet` dari `tf.keras.Model`, yang memanfaatkan *embedding layer* untuk merepresentasikan pengguna dan buku dalam bentuk vektor. Skor prediksi dihitung melalui *dot product* antara vektor pengguna dan buku, ditambah bias masing-masing, lalu diaktifkan dengan fungsi sigmoid untuk menghasilkan nilai probabilitas ketertarikan. Model dikompilasi menggunakan optimizer Adam, fungsi *loss* Binary Crossentropy, dan metrik RMSE. Proses pelatihan dilakukan selama 30 *epoch* dengan *batch size* 20 menggunakan data pelatihan dan validasi. Hasil pelatihan ini kemudian digunakan untuk mengevaluasi performa model dan menghasilkan visualisasi error dan loss melalui `matplotlib` pada bagian [evaluation](#evaluation).
- **Hasil Model Development**
Berikut adalah hasil evaluasi dari sistem rekomendasi buku yang telah dilatih menggunakan pendekatan _collaborative filtering recommendation_.
Berdasarkan hasil prediksi sistem, pengguna dengan `user_id` **1248** dipilih secara acak. Dari data yang diperoleh, sistem mengidentifikasi buku-buku dengan rating tertinggi yang diberikan oleh pengguna tersebut, yaitu:
- **House Harkonnen (Dune: House Trilogy, Book 2)** oleh **Brian Herbert**
- **House Atreides (Dune: House Trilogy, Book 1)** oleh **Brian Herbert**
- **Me and My Little Brain** oleh **John Fitzgerald**
- **And the Sea Will Tell** oleh **Vincent Bugliosi**
- **The Sparrow** oleh **Mary Doria Russell**
Langkah selanjutnya, sistem mencocokkan buku-buku favorit dari `user_id` **1248** dengan koleksi buku yang belum pernah dibaca oleh pengguna tersebut. Proses ini menghasilkan daftar rekomendasi berdasarkan skor prediksi tertinggi terhadap preferensi pengguna.
Jika diperhatikan, terdapat kemiripan antara buku favorit pengguna dan hasil rekomendasi, misalnya, **The Sparrow** memiliki kesamaan dengan **Life of Pi**.
Sistem rekomendasi ini menunjukkan kemampuannya dalam memahami pola preferensi pengguna dan menyarankan buku-buku yang tidak hanya serupa dalam tema, tetapi juga memperluas preferensi pengguna terhadap genre dan penulis baru. Hal ini menjadikan pengalaman membaca lebih beragam.
[←Table of Contents](#table-of-contents)
## Evaluation
1. **Content-based Recommendation**
Pada tahap evaluasi model sistem rekomendasi berbasis _content-based recommendation_, dilakukan pengukuran akurasi menggunakan metrik tertentu yang dihitung dengan rumus sebagai berikut:
$\text{Precision@K} = \frac{\text{Number of Relevant Items in Top } K}{Total Number of Relevant Items}$
Masih menggunakan dataset yang sama seperti pada tahap [Modeling](#modeling) untuk pendekatan _content-based recommendation_, evaluasi dilakukan berdasarkan hasil _Top-N Recommendation_. Dalam hal ini, sistem memberikan rekomendasi buku berdasarkan kemiripan dengan **"The Pillars of the Earth"**. Selanjutnya, dilakukan pencarian terhadap jumlah seluruh buku (`book_title`) yang ditulis oleh penulis yang sama dalam data, yaitu **Ken Follett**, dengan memanfaatkan variabel baru yang merepresentasikan daftar buku hasil rekomendasi.
Dari pencarian tersebut diketahui bahwa **Ken Follett** menulis sebanyak **19** judul buku dalam dataset.
Akurasi kemudian dihitung menggunakan _metric precision_ dengan membagi jumlah buku yang berhasil direkomendasikan oleh sistem (yang juga ditulis oleh **Ken Follett**) dengan jumlah total buku yang masuk dalam _Top-N Recommendation_, lalu dikalikan 100. [[8]](https://towardsdatascience.com/evaluation-metrics-for-recommendation-systems-an-overview-71290690ecba/)
Dari proses tersebut, diperoleh:
- Jumlah rekomendasi yang cocok: **9**
- Jumlah rekomendasi total (_Top-N_): **9**
- Precision@10: **100,00%**
Selain itu, **9 dari 9** buku rekomendasi juga termasuk dalam total **19** buku yang ditulis oleh penulis yang sama. Hasil ini menunjukkan bahwa sistem memiliki kemampuan yang sangat baik dalam mengidentifikasi dan merekomendasikan karya lain dari penulis favorit *user*, yang menjadi indikator kuat dalam pendekatan _content-based filtering_.
Ini berarti semua rekomendasi yang diberikan sistem adalah relevan dengan preferensi *user*, berhasil memberikan rekomendasi buku berdasarkan data yang telah disiapkan dan dari penulis favorit *user*.
*Content-based Recommendation* mampu memberikan rekomendasi yang akurat dan personal, terutama untuk *user* yang memiliki preferensi kuat terhadap penulis atau genre tertentu karena relevansi ini penting bagi bisnis, karena dapat meningkatkan kepuasan pengguna dan kemungkinan transaksi pembelian buku serupa.
2. **Collaborative Filtering Recommendation**
Berdasarkan model *machine learning* yang telah dikembangkan menggunakan *embedding layer* dengan *Adam optimizer* dan fungsi loss *binary crossentropy* dievaluasi menggunakan metrik *Root Mean Squared Error* (RMSE). [[9]](https://towardsdatascience.com/comparing-robustness-of-mae-mse-and-rmse-6d69da870828/)
Perhitungan RMSE dapat dilakukan dengan rumus berikut:
$$RMSE=\sqrt{\sum^{n}_{i=1} \frac{y_i - y\\_pred_i}{n}}$$
Dimana:
- $n$ adalah jumlah data dalam *dataset*,
- $y_i$ adalah nilai sebenarnya,
- $y_{pred_i}$ adalah nilai prediksi untuk data ke-$i$ dalam *dataset*.
Hasil nilai RMSE yang rendah mengindikasikan bahwa variasi hasil prediksi model sangat mendekati variasi nilai observasi. Dengan kata lain, semakin kecil nilai RMSE, maka prediksi model semakin akurat dan mendekati nilai asli.
Berikut ini adalah visualisasi grafik yang menampilkan hasil *training* dan *validation error* berdasarkan metrik RMSE, serta *training* dan *validation loss*.
Nilai RMSE yang rendah menunjukkan bahwa model mampu memprediksi preferensi *user* dengan akurasi tinggi. Visualisasi training dan validation loss serta error mendukung bahwa model telah dilatih dengan baik dan tidak mengalami overfitting.
Sistem dapat membuat pendekatan berbeda yang mengandalkan pola interaksi pengguna dan memberikan rekomendasi yang bersifat kolaboratif.
*Collaborative Filtering Recommendation* efektif dalam memberikan rekomendasi yang lebih luas dan beragam, karena tidak terbatas hanya pada kesamaan konten, tetapi juga mempertimbangkan preferensi *users* lain sehingga meningkatkan peluang eksplorasi dan mengatasi keterbatasan yang dimiliki oleh pendekatan *Content-based Recommendation*.
Seluruh proses *data preparation* mulai dari pembersihan missing value dan duplikasi, mengubah nama kolom/atribut, penggabungan data dari tiga berkas CSV (`books.csv`, `ratings.csv`, dan `users.csv` ), hingga penghapusan rating 0 telah dijalankan dan berdampak terhadap kualitas data yang digunakan dalam model *machine learning*. Tahap ini memastikan data yang digunakan sudah bersih dan relevan, sehingga dapat mendukung pembuatan sistem rekomendasi buku yang akurat dan sesuai preferensi *user*. Langkah-langkah ini juga sejalan dengan tujuan yang dijelaskan di *[project overview](#project-overview)*, yaitu meningkatkan minat baca masyarakat Indonesia melalui rekomendasi buku yang lebih personal dan menarik. Solusi yang diterapkan pada tahap *data preparation* memiliki dampak langsung terhadap upaya peningkatan budaya literasi yang menjadi tujuan utama dari *Business Understanding*.
[←Table of Contents](#table-of-contents)
## Kesimpulan
Kesimpulan dari pengembangan model yang digunakan untuk membuat rekomendasi buku ini menunjukkan bahwa kedua pendekatan, yaitu *Content-based Recommendation* dan *Collaborative Filtering Recommendation*, berhasil diterapkan sesuai dengan preferensi pengguna. Pada metode *collaborative filtering*, data *rating* pengguna sangat diperlukan untuk menghasilkan rekomendasi, sedangkan pada *content-based filtering*, sistem hanya mengandalkan atribut dari buku tanpa membutuhkan data *rating*. Masing-masing pendekatan tersebut memiliki keunggulan dan keterbatasan tersendiri dalam penggunaannya.
Berdasarkan hasil evaluasi yang telah dilakukan, dapat disimpulkan bahwa proses *data preparation* memiliki peran penting dalam mendukung keberhasilan pengembangan sistem rekomendasi buku. Tahapan ini tidak hanya berhasil menjawab *Problem Statements* terkait bagaimana menyiapkan data secara efektif, tetapi juga menjadi fondasi utama dalam mencapai tujuan proyek untuk menghasilkan model *machine learning* yang sesuai dengan minat, kebiasaan, dan preferensi *user*. Dengan tercapainya tujuan ini, model *machine learning* telah memberikan solusi dalam mendukung upaya peningkatan minat baca masyarakat melalui teknologi.
[←Table of Contents](#table-of-contents)
## Reference
[1] Indrasari, Y., & Handayani, R. R. L. (2024, April 23). UNESCO Sebut Minat Baca Orang Indonesia Masih Rendah. RRI. Retrieved May 17, 2025, from https://www.rri.co.id/daerah/649261/unesco-sebut-minat-baca-orang-indonesia-masih-rendah
[2] Mardiani, R. (2025, April 25). 23 April Diperingati sebagai Hari Buku Sedunia, Apa Kabar dengan Minat Baca Orang Indonesia? Infogarut.id. Retrieved May 17, 2025, from https://infogarut.id/23-april-diperingati-sebagai-hari-buku-sedunia-apa-kabar-dengan-minat-baca-orang-indonesia
[3] Murel, J., & Kavlakoglu, E. (2024, March 21). What is content-based filtering? IBM. Retrieved May 17, 2025, from https://www.ibm.com/think/topics/content-based-filtering
[4] Gaurav, P. (2023, February 14). Step By Step Content-Based Recommendation System | by Prateek Gaurav. Medium. Retrieved May 17, 2025, from https://medium.com/@prateekgaurav/step-by-step-content-based-recommendation-system-823bbfd0541c
[5] Ramadhan, L. (2021, January 20). TF-IDF Simplified. Towards Data Science. Retrieved May 17, 2025, from https://towardsdatascience.com/tf-idf-simplified-aba19d5f5530/
[6] Chiclana, F., Tang, J., Jiang, Y., & Sridharan, S. (2022, February 11). Cosine Similarity. ScienceDirect. Retrieved May 17, 2025, from https://www.sciencedirect.com/topics/computer-science/cosine-similarity
[7] Murel, J., & Kavlakoglu, E. (2024, March 21). What is collaborative filtering? IBM. Retrieved May 17, 2025, from https://www.ibm.com/think/topics/collaborative-filtering
[8] Aher, P. (2023, August 9). Evaluation Metrics for Recommendation Systems – An Overview. Towards Data Science. Retrieved May 17, 2025, from https://towardsdatascience.com/evaluation-metrics-for-recommendation-systems-an-overview-71290690ecba/
[9] Trevisan, V. (2022, January 11). Comparing robustness of MAE, MSE and RMSE. Towards Data Science. Retrieved May 17, 2025, from https://towardsdatascience.com/comparing-robustness-of-mae-mse-and-rmse-6d69da870828/
[←Table of Contents](#table-of-contents)