SISTEM REKOMENDASI ARTIKEL BERITA MENGGUNAKAN PROFIL PENGGUNA: STUDI KASUS PADA DATA BERITA PEMPROV DKI JAKARTA

Abstract

Sistem rekomendasi artikel berita berbasis profil pengguna yang menggunakan filter berbasis konten dibangun dan dievaluasi dalam penelitian ini. Dataset yang digunakan berasal dari situs web berita resmi pemerintah Provinsi DKI Jakarta. Penggabungan tanggal dan jam rilis, penghapusan duplikasi, dan pembersihan teks judul dengan tokenisasi dan stemming adalah semua bagian dari proses preprocessing. Untuk menghasilkan vektor numerik, metode TF-IDF digunakan untuk menunjukkan teks, dan profil pengguna fiktif dibuat dari vektor TF-IDF artikel yang diasosiasikan rata-rata. Kesamaan kosinus antara profil pengguna dan artikel digunakan untuk membuat rekomendasi artikel. Dalam skenario fiktif, evaluasi sistem yang menggunakan precision dan recall menunjukkan hasil yang sangat baik. Ini menunjukkan bahwa teknik ini efektif dalam mengidentifikasi preferensi pengguna. Studi ini menunjukkan bahwa pengfilteran berbasis konten memiliki potensi besar untuk memberikan rekomendasi untuk artikel berita yang lebih relevan dan personal.