Membangun Sistem Rekomendasi buku berbasis AI untuk Perpustakaan Sekolah

Membangun sistem rekomendasi buku berbasis AI untuk perpustakaan sekolah - membangun sistem rekomendasi buku berbasis AI untuk perpustakaan sekolah bukan hanya soal teknologi, tapi soal bagaimana meningkatkan minat baca siswa. Menggunakan kerangka Design Thinking, kita akan fokus pada kebutuhan nyata pengguna (siswa, guru, dan pustakawan).

Berikut adalah rancangan pengembangannya:

1. Empathize (Empati)

Pada tahap ini, kita memahami masalah utama di perpustakaan sekolah.

• Observasi: Banyak siswa bingung memilih buku karena ribuan pilihan di rak.

• Wawancara: Siswa sering berkata, "Saya ingin baca buku yang mirip Harry Potter, tapi tidak tahu judulnya apa."

• Masalah Pustakawan: Sulit memberikan rekomendasi personal kepada ratusan siswa secara manual.

2. Define (Definisikan)

Kita mengerucutkan masalah menjadi sebuah Problem Statement:

"Siswa membutuhkan cara yang personal dan interaktif untuk menemukan buku yang sesuai dengan minat, tingkat keterbacaan, dan suasana hati mereka agar aktivitas membaca menjadi lebih menyenangkan."

3. Ideate (Ideasi)

Kita merancang solusi berbasis AI. Sistem rekomendasi tidak hanya berdasarkan judul, tapi menggunakan dua algoritma utama:

• Collaborative Filtering: Merekomendasikan buku berdasarkan apa yang dibaca oleh siswa lain dengan minat serupa.

• Content-Based Filtering: Merekomendasikan buku berdasarkan kemiripan genre, penulis, atau deskripsi buku.

• AI Chatbot Assistant: Fitur "Tanya Pustakawan AI" yang memahami bahasa alami (NLP) untuk menjawab pertanyaan seperti, "Cari buku tentang petualangan yang tidak terlalu tebal."

4. Prototype (Prototipe)

Secara teknis, sistem ini bekerja dengan alur matematika untuk menghitung "skor kemiripan" antar buku. Misalkan kita menggunakan rumus Cosine Similarity:

$$Similarity(A, B) = \frac{A \cdot B}{\|A\| \|B\|} = \frac{\sum_{i=1}^{n} A_i B_i}{\sqrt{\sum_{i=1}^{n} A_i^2} \sqrt{\sum_{i=1}^{n} B_i^2}}$$

Fitur dalam Prototipe:

1. Dashboard "Pilihan Untukmu": Muncul saat siswa login.

2. Mood-Based Search: Tombol pilihan perasaan (Sedang sedih, ingin tertawa, ingin belajar hal baru).

3. Gamifikasi: AI memberikan lencana (badge) setelah siswa menyelesaikan buku tertentu untuk mendorong konsistensi.

5. Test (Uji Coba)

Langkah terakhir adalah memvalidasi sistem kepada pengguna:

• Beta Testing: Berikan akses ke 20 siswa selama 2 minggu.

• Metrik Keberhasilan: Lihat apakah jumlah peminjaman buku meningkat dan apakah siswa merasa rekomendasi AI tersebut akurat.

• Feedback: Jika siswa merasa rekomendasi terlalu berat, AI perlu disesuaikan untuk lebih mengutamakan tingkat keterbacaan (reading level) sesuai usia.

Perbandingan Sistem Tradisional vs AI

Fitur	Perpustakaan Tradisional	Perpustakaan Berbasis AI
Pencarian	Berdasarkan Judul/Penulis	Berdasarkan Konteks/Rasa
Rekomendasi	Statis (Buku Populer)	Dinamis (Sesuai User Profile)
Interaksi	Satu arah	Dua arah (Chatbot)

---

Langkah Selanjutnya:

Sistem ini bisa dikembangkan lebih lanjut dengan fitur Image Recognition, di mana siswa cukup memotret sampul buku dan AI akan memberikan rekomendasi buku serupa.

Baca Juga: Little Red Riding Hood Indonesia-Inggris