Use of the K-Nearest Neighbor (KNN) Algorithm in New Categories Based on Books

Di era yang terus berkembang ini, menuntut anak bangsa menjadi insan yang cerdas. Bangsa yang cerdas adalah bangsa yang harus terus belajar. Belajar membutuhkan bahan atau panduan yang akan menemani perjalanan. Hal ini membutuhkan buku sebagai sarana proses pembelajaran. Buku adalah hasil pemikiran yang berisi pengetahuan yang telah dianalisis. Untuk mendapatkan buku yang cocok untuk Anda, Anda harus mencari buku tersebut di toko buku. Namun untuk menemukan buku yang diinginkan, calon pembeli harus membaca setiap deskripsi buku dan menghabiskan banyak waktu dalam proses pencarian. Dari permasalahan tersebut, penulis mendapatkan ide untuk membuat sistem kategorisasi baru berdasarkan koleksi buku. Tujuan dari penelitian ini adalah membangun sistem klasifikasi buku untuk menghindari masalah yang melibatkan kategorisasi buku yang lebih akurat. Penelitian ini menggunakan teknik text mining dan algoritma K-Nearest Neighbor (KNN) sebagai logika pemrogramannya. Data pelatihan yang digunakan dalam sistem ini adalah 35 buku yang merupakan jumlah keseluruhan buku. Sedangkan data testing merupakan data yang memiliki persentase pencarian lebih tinggi. Berdasarkan data training yang tersedia, dengan data k=3 testing “beginner”, “youtuber” dan “study” “ melalui tahapan TF-IDF dan Cosine Similarity, hasil rekomendasi kategorisasi baru diurutkan berdasarkan nilai kemiripan data dari tertinggi hingga terendah yaitu buku. B9 adalah 12,7% , B11 adalah 11,6% dan B13 adalah 9,0%