Myers-Briggs Personality Type (MBTI) is a popular personality metric that uses four dichotomies as indicators of personality traits. This study uses a public dataset from Kaggle, namely the Myers-Briggs Personality Type Dataset, the model tested is several machine learning classification models with the help of imlearn under-over sampling techniques for classifying MBTI personality types. This study aims to classify the Myers-Briggs Type Indicator (MBTI) personality type based on text from user posts on the social media platform Reddit. The dataset used in this study consists of around 8,000 posts collected from the MBTI subreddit. Several text processing methods such as tokenization, punctuation removal, and stemming are used to process the raw data before it is entered into the model. The experimental results show that the LSTM model using Adam's optimizer and a learning rate of 0.01 produces good performance with an accuracy of 80.73 compared to other machine learning models. In addition to the LSTM model, XG Boost is also a classification model with the highest accuracy based on 16 personality types producing an accuracy of 60.09 and Logistic Regression with the NS dimension as the best accuracy value of 87.21%.

Semakin meningkatnya perkembangan teknologi semakin banyak ragam buku yang beredar di internet. Seperti adanya sistem rekomendasi pada situs buku online yang menyediakan buku secara relevan dan sesuai kebutuhan dengan preferensi seseorang. Salah satu alternatifnya GoodReads yaitu situs jaringan sosial yang khusus pada katalogisasi buku dan pengguna dapat saling berbagi rekomendasi buku bacaan dengan memberikan rating, review maupun komentar. Sebagai situs rekomendasi buku yang besar, maka memiliki banyak data yang dapat diolah dengan menerapkan metode machine learning, namun masih belum diketahui model yang paling akurat. Dengan menggunakan model yang tepat, kita dapat memberikan rekomendasi yang lebih akurat. Untuk itu pada penelitian ini akan menganalisis data yang didapatkan dari www.kaggle.com yaitu dataset goodreads-books. Dalam penelitian ini, mengusulkan model klasifikasi data mining untuk mendapatkan model terbaik dalam merekomendasikan buku pada GoodReads. Algoritma yang digunakan yaitu Decision Tree, K-Nearest Neighbor, Naïve Bayes, Random Forest dan Support Vector Classifier, kemudian untuk evaluasi model menggunakan pengujian nilai accuracy, precision, recall, f1-score, confusion matrix, AUC dan Mean Error Absolute. Hasil pengujian beberapa algoritma klasifikasi diketahui bahwa Decision Tree memiliki akurasi tertinggi diantara metode yang dikomparasikan sebesar 99,95%, precision sebesar 100%, recall sebesar 96%, f1-score sebesar 98% dengan MAE sebesar 0.05 dan AUC sebesar 99,96%. Hal ini menjadi bukti bahwa algoritma Decision Tree dapat digunakan sebagai rekomendasi buku berdasarkan kategori buku pada GoodReads.