MAHARANI, ROSY (2025) IMPLEMENTASI METODE CONTENT-BASED FILTERING (CBF) PADA SISTEM REKOMENDASI PEMILIHAN DRAMA KOREA. Skripsi thesis, UPN Veteran Yogyakarta.
![[thumbnail of 2_COVER_123210165_ROSY MAHARANI.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
2_COVER_123210165_ROSY MAHARANI.pdf Download (210kB) |
|
Text
3_ABSTRAK_123210165_ROSY MAHARANI.pdf Download (230kB) |
|
Text
4_PENGESAHAN PEMBIMBING_123210165_ROSY MAHARANI.pdf Download (306kB) |
|
Text
4_PENGESAHAN PENGUJI_123210165_ROSY MAHARANI.pdf Download (312kB) |
|
Text
5_DAFTAR ISI_123210165_ROSY MAHARANI.pdf Download (227kB) |
|
Text
6_DAFTAR PUSTAKA_123210165_ROSY MAHARANI.pdf Download (189kB) |
|
Text
1_SKRIPSI FULL_123210165_ROSY MAHARANI.pdf Restricted to Repository staff only Download (5MB) |
Abstract
Permasalahan utama dalam penelitian ini adalah banyaknya pilihan drama Korea
yang tersedia di berbagai platform streaming sehingga penonton sering mengalami
kebingungan dan kesulitan dalam memilih drama yang sesuai dengan preferensi dan
ketersediaan waktu. Penelitian ini bertujuan mengembangkan sistem rekomendasi drama
Korea berbasis Content-Based Filtering (CBF) yang mampu memberikan rekomendasi yang
relevan.
Metode penelitian meliputi pengumpulan data dari tiga dataset Kaggle dan
pengayaan data poster menggunakan TMDb API sehingga menghasilkan master dataset
yang terdiri dari 770 drama Korea, preprocessing data dari penggabungan kolom teks
(genre, tags, cast, synopsis, dan network), data cleansing, case folding, stopword removal,
tokenization, lemmatization, dan normalisasi fitur numerik (year, duration, episodes)
menggunakan Min-Max Scaling. Fitur teks kemudian diubah menjadi vektor menggunakan
metode Term Frequency-Inverse Document Frequency (TF-IDF), sedangkan fitur numerik
yang telah dinormalisasi digabungkan dengan vektor teks, serta Cosine Similarity.
Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dikembangkan
mampu memberikan rekomendasi yang sangat relevan dengan preferensi pengguna, dengan
nilai rata-rata Precision sebesar 85,6%, Recall sebesar 70%, dan NDCG sebesar 90,3%.
Sistem juga diuji secara fungsional dan mendapatkan tanggapan positif dari pengguna.
Sistem berhasil membantu penonton dalam memilih drama Korea yang sesuai dengan
kebutuhan penonton.
Kata Kunci: Sistem Rekomendasi, Content-Based Filtering, Drama Korea, TF-IDF, Cosine
Similarity
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | ROSY MAHARANI (Penulis-123210165) ; Herlina Jayadianti (Pembimbing) |
| Uncontrolled Keywords: | Sistem Rekomendasi, Content-Based Filtering, Drama Korea, TF-IDF, Cosine Similarity |
| Subjek: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Fakultas Teknik Industri > Informatika (S1) |
| Depositing User: | A.Md Eko Suprapti |
| Date Deposited: | 17 Jul 2025 02:51 |
| Last Modified: | 17 Jul 2025 02:51 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/43143 |
Actions (login required)
 |
View Item |