Dengan semakin meningkatnya jumlah buku, baik dalam bentuk digital maupun fisik yang dijual melalu e-commerce di Internet, maka semakin susah seseorang untuk mendapatkan buku yang relevan untuknya. Tentunya user tidak ingin menghabiskan waktunya untuk menelusuri seluruh buku satu per satu untuk dapat menentukan buku yang benar-benar relevan untuknya. Disinilah recommender system dapat digunakan. Recommender system dapat memberikan rekomendasi buku yang relevan dengan berbagai penghitungan dan analisis data yang diberikan user.
Hybrid atributte based recommender system telah menunjukan hasil yang lebih bagus dalam hal ketepatan rekomendasi. Meskipun telah menggunakan learning preference, belum sepenuhnya menerapkan konsep user personality sehingga metode ini masih mempunyai tempat untuk pengembangan. User personality based recommender system tersebut telah berhasil meningkatkan performansi dalam hal akurasi prediksi rating. Tugas akhir ini menggabungkan hybrid atributte based recommender system dan user personality based recommender system.
Penelitian di tugas akhir ini dilakukan pada dua dataset, yaitu Book-Crossing dan Amazon Review. Penelitian ini dijalankan dengan dua skenario yang masing masing bertujuan untuk mengetahui kemampuan Hybrid Attribute and Personality Based Recommender System untuk buku dan mengetahui pengaruh user personality pada Hybrid Attribute based Recommender System. Berdasarkan hasil pengujian skenario pertama, didapatkan kesimpulan bahwa Hybrid Attribute and Personality Based Recommender System tidak memberikan pengingkatan akurasi rekomendasi buku dibandingkan metode yang sebelumnya telah diterpakan pada dataset terkait. Berdasarkan hasil pengujian skenario kedua, dapat disimpulkan bahwa user personality tidak memberikan pengaruh pada Hybrid Attribute based Recommender System.
Kata kunci: recommender system, hybrid method, user personality, attribute based, buku.